[發明專利]基于模糊貝葉斯網絡的海底管道泄漏事故風險評估方法

在審

• 申請號: 201710194972.2
• 申請日: 2017-03-29
• 公開（公告）號: CN106846155A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 馬德仲;劉凱辛
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域：

本發明涉及一種基于模糊貝葉斯網絡的海底管道泄漏事故風險評估方法。

背景技術：

海底管道泄漏事故風險隨著海洋油氣工業的快速發展而逐漸增加。海底管道長期暴露于惡劣的海洋環境中，承受復雜工作載荷、環境載荷及意外風險載荷，失效概率高，一旦發生失效，維修與更換困難，不僅影響正常生產運輸，造成巨大經濟損失，而且將污染海洋環境，造成生態災難。隨著我國對油氣的需求的提高，海上采油業迅速發展，浮式海上采油設備也隨之普及。據調查顯示，海上設備的失效造成的經濟影響巨大，環境污染嚴重。這一現象使得人們對海上設備失效的原因進行不斷分析并進行風險評估，并針對薄弱環節提出對策措施，但是事故的原因不確定性及事件間的邏輯關系的不確定性性較高，且數據資源相對匱乏，這對海上泄漏的風險評估來說無疑是最大的一個難題。

目前在對海上泄漏事故的評估目前應用的方法主要有：事故樹，事件樹，Bow-Tie模型，層次分析法，瑞士干酪模型（Reason模型，或航空事故理論模型）。在這些模型中，事故樹的方法對事故分析需要確定的事件間的邏輯關系為支撐，海上采油業工藝復雜，若要構建完備的事故樹非常困難，且任何一個小概率失誤都可能在構建事故樹時受到忽略。事件樹雖然可以在事故樹的基礎上對事故進行層次判斷，但是在定量分析時也基于確定的“與門”邏輯，同事故樹具有相同的不足。Bow-Tie模型是事件樹與事故樹的結合，在事故結果上可以進一步分析，但仍然不能對不確定的邏輯關系做出分析。且以上的研究方法在分析時過于依賴基本事件的發生概率，需要在基本概率充足的條件下結合邏輯關系得出事故發生的概率和風險等級。層次分析法可以量化評估，但不能演繹事故狀態且缺乏事件間相互影響程度的分析。瑞士干酪模型在事故演繹具有優勢但沒有較好的量化評估方式。 2012年，杜尊峰提出來用瑞士干酪模型從本質安全的角度出發對海上油氣泄漏的事故進行風險控制，由于海洋氣候環境多變，不確定因素較多，不能提供本質安全的環境條件，且結果中并未進行量化分析，不能體現Reason模型在小概率事件上的優勢。

發明內容：

本發明的目的是為了解決現有的Reason模型風險事故評估方法不能根據海洋氣候較多的不確定因素進行底管道泄漏事故風險評估的問題，而提出的一種基于模糊貝葉斯網絡的海底管道泄漏事故風險評估方法。

上述的目的通過以下的技術方案實現：

一種基于模糊貝葉斯網絡的海底管道泄漏事故風險評估方法，所述的海底管道泄漏事故風險評估方法通過以下步驟實現：

步驟一、根據Reason模型特點和海底管道泄漏事故資料建立貝葉斯網絡模型，建立專家系統，確定專家權重確定方法；

步驟二、利用三角模糊數將步驟一確定的模糊語言表達的專家權重確定方法量化，確定事件間邏輯關系；

步驟三、將模糊數解模糊轉化為概率值；

步驟四、在GeNIe2.0軟件中定義事件間的邏輯關系，對貝葉斯網絡模型進行分析，并得出不同程度的事故的發生概率，從而確定不同泄漏程度事故的風險等級。

有益效果：

本發明采用的基于概率推理的貝葉斯網絡是為了解決不定性和不完整性問題而提出的，它對于解決復雜設備不確定性和關聯性引起的故障有很大的優勢，在風險評估領域中獲得廣泛應用。假設在某故障原因出現的情況下，估計該故障原因的各個節點的條件概率，這種局部化概率估計的方法可以快速找到薄弱環節，大大提高效率。傳統的貝葉斯網絡在與事件樹，事故樹結合進行數據推理都依托在確定的邏輯關系上，其所建立起的貝葉斯網絡有時不能真實的反映客觀現實，降低推理的正確率。海上采油工藝復雜，即使全部的安全防護都沒有失效也存在部分小概率事件導致最終的事故發生，那么用條件概率的方式表示事件之間不確定的邏輯關系將成為解決這類問題的核心。

本發明將針對以上方法的不足提出將Reason模型與模糊貝葉斯方法相結合，利用模糊方法將事件間不確定的邏輯關系用條件概率的形式展現，既能體現事件間的影響程度也能利用貝葉斯網絡確定薄弱環節中出現的小概率事件，達到在改進模型的基礎上達到量化風險評估的目標，使海上泄漏事故的風險評估結果更加精確，減少海上泄漏事故的發生，緩解海洋壞境的惡化。

具體實施方式：

具體實施方式一：

本實施方式的基于模糊貝葉斯網絡的海底管道泄漏事故風險評估方法，所述的海底管道泄漏事故風險評估方法通過以下步驟實現：

步驟一、根據Reason模型特點和海底管道泄漏事故資料建立貝葉斯網絡模型，建立專家系統，確定專家權重確定方法；