火灾是当今世界上严重威胁人类生存和发展的常发性灾害之一,是一种世界性的公害,具有发生频率高、时空跨度大、造成的损失与危害严重等特点。随着数据收集与数据存储技术的快速发展,有关部门已积累海量的火灾数据,为研究火灾发生的规律,提供了数据基础；同时数据挖掘技术理论与方法的出现,为探索和分析新的数据类型以及用新的方法分析旧的数据类型提供了有效的解决方法。因此数据挖掘技术或空间数据挖掘技术为火灾数据的分析提供了新的研究视角与思路。以数据挖掘的研究视角来对火灾数据进行数据挖掘,在国内外学术研究和实践探索中都缺乏必要的、系统性的关注与研究。本文基于这一背景,旨在将数据挖掘特别是空间数据挖掘理论与技术引入火灾分析中,结合相应数据挖掘的数据分析方法和事故分析理论,并引入新的原理与方法,针对目前火灾历史数据,从数据挖掘的视角,以宏观研究与微观研究相结合的总体研究路线,挖掘出隐藏在数据背后的有价值的潜在知识,用于指导火灾的预防、控制以及为火灾风险管理、消防管理模式、消防资源配置等提供决策基础。目前,现有的火灾数据形式主要是火灾统计数据和火灾案例数据,本文将分别针对这两类数据采取不同的原理与方法进行数据分析,以期挖掘出隐含在数据背后可以指导火灾预防与控制的有价值的知识。本文的研究主要沿着五个方向展开：(1)火灾空间分布及其原因分析；(2)火灾评价与预测；(3)火灾的空间数据分析及应用；(4)火灾点的空间点模式分析及应用；(5)空间关联规则分析及应用。本文的主要研究内容如下：一、针对现有火灾分析研究中存在的问题,突破以往以建筑物使用类型或建筑物个体为研究客体的局限,提出了火灾研究的数据挖掘视角,系统性地将数据挖掘的理论与方法引入火灾的分析研究中。二、运用区位熵研究方法,根据相应的区位熵对区域的火灾危险性、易损性、防灾能力以及风险性进行判定,并探索其空间分布及类型,同时对火灾区位熵差异性进行了分析。三、提出火灾重心理论与分析模型,分析省域尺度下火灾发生次数、火灾直接经济损失的空间分布重心及其变化趋势；并利用支持向量机预测模型,对火灾发生次数、火灾直接经济损失重心进行了预测,并验证了模型的有效性、合理性。四、定义了四种火灾集中分布指数,用以度量火灾集中分布情况；并分析我国2000-2010年期间,火灾四种集中指数总体趋势及其原因分析。五、应用洛伦兹曲线和基尼系数的理论与方法,分析我国火灾分布的均衡性(或差异性)。而对火灾分布总体差异主要来源,采用锡尔系数及其一阶段分解方法,揭示组间差异和组内差异各自的变动方向和变动幅度以及各自在总体差异中的重要性及其影响。六、系统地研究了空间自相关空间分析理论,并将其引入到火灾的空间自相关性研究中,应用全局空间自相关、局部空间自相关、散点图等分析方法,分析我国省域尺度下,火灾发生率空间整体分布状况,检验是否存在空间聚集特性,找出聚集现象的具体聚集位置,分析热点地区是否有移动现象。七、应用空间点模式分析中的最邻近距离与标准差椭圆分析方法,描述火灾点分布的集中趋势或离散趋势,判定火灾点分布是否聚集分布。挖掘出不同类型火灾在不同时段的空间形态变化的规律。八、提出了基于灰色理论与线性组合的预测模型,应用到全国火灾发生率、直接损失率的预测中,并验证了模型的有效性、合理性。基于灰色理论并考虑价格指数的影响,对全国火灾形势进行综合评价。九、系统性地研究了关联规则中的Apriori算法,并将其应用于火灾案例的数据挖掘,分析得出火灾发生的主要区域及其相关因素,并对此提出相应的对策。本文针对目前火灾研究中存在的薄弱环节,在数据挖掘的研究视角下,运用多学科交叉理论对火灾进行了研究,建立了多种火灾数据分析模型,构建了火灾的数据挖掘的框架,有较高的学术研究价值和推广应用前景。