城市建设日新月异,多样化的街道空间和新旧建筑的融合,促使城市街区环境出现多种火灾影响因素。对于消防站布局优化工作来说,需要基于城市的火灾特点开展,现有的分析方法因存在主观的判断,并且未能充分利用城市的地理数据,特别是容易忽略城区存在的老旧街区、小产权房等,不能全面准确地反映真实的火灾风险分布,消防站工作效能无法满足实际需求。因此,本文通过对西安市某城区火灾风险较大的场所进行调研,并分析火灾时间数据与空间数据,引入机器学习算法综合分析火灾分布的空间相关性,在此基础上提出对城市消防站的布局优化方法。主要工作如下:在深入调研西安市某城区消防安全状况的基础上,分析2017-2019年火灾历史数据,通过使用小波分析法和核密度分析法对火灾的时空分布进行分析。火灾时间分布规律:火灾频次在整个时间域的波动分布着4个周期,火灾频次呈现季节性波动,冬季和夏季火灾频次较高;火灾空间分布规律:火灾主要集中在建章路、三桥街办,呈高度聚集状态,向外延伸大致呈降低趋势,但仍有零星的高发热点,其中老旧小区、高层小产权房小区为火灾多发地。采用随机森林及BP神经网络两种算法对城市火灾的发生进行建模分析,通过决定性系数、均方误差等评价指标的对比,随机森林预测模型优于BP神经网络预测模型,随机森林预测模型的检验结果表明模型具有较好的预测能力;通过袋外数据分析得出各火灾特征因素重要度,结果显示高层小产权房小区密度和老旧小区密度是两个最为重要的火灾特征因素。通过火灾空间核密度分布与火灾后果变量核密度分布建立火灾风险点分布图,结合火灾分布的空间相关性,使用定位配给模型,对城市消防站的布局分级优化,并在消防站布局优化中考虑风险等级与响应时间的对应关系,即风险同其对应等级的消防站相对应,分别确定了优化后一级普通消防站、小型消防站及微型消防站的数量及位置。本文的研究成果能够为城市区域火灾防控和消防站布局优化提供决策支持,具有重要的社会价值。