35基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究

發(fā)布時間：2016-11-23 12:36

本文關鍵詞：基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究，由筆耕文化傳播整理發(fā)布。

第21卷第6期2011年6月；中國China安全Safety科學Science；基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究；張立茂；教授；（1華中科技大學土木工程與力學學院，湖北武漢43；2華中科技大學附屬中學，湖北武漢430074）；學科分類與代碼：6206010（安全管理工程）中；陳虹宇；吳賢國；【摘要】為改進當前復雜工程安全風險管理中普遍存在；【

第21卷第6期2011年6月

中國China安全Safety科學Science學報JournalVol．21No．6Jun．2011

基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究

張立茂

教授

（1華中科技大學土木工程與力學學院，湖北武漢430074

2華中科技大學附屬中學，湖北武漢430074）

學科分類與代碼：6206010（安全管理工程）中圖分類號：X913.4文獻標志碼：A資助項目：國家科技支撐計劃（2006BAJ18B08－01）；武漢市科技局科研創(chuàng)新項目（200860423194）。

陳虹宇

吳賢國

【摘要】為改進當前復雜工程安全風險管理中普遍存在偏重事前管理、過分依賴專家經(jīng)驗等不足，探討復雜工程貝葉斯網(wǎng)絡（BN）的構(gòu)建流程，提出基于BN的安全管理輔助決策分析（DSA）方法，并以武漢越江地鐵盾構(gòu)隧道滲漏水事故為例進行實證研究。結(jié)果表明：利用BN能夠融合多領域?qū)＜谊P于具體工程的實踐經(jīng)驗，以有向圖形式直觀表達安全事故致因變量間的不確定性關系，在事前階段運用正向推理技術(shù)預測事故發(fā)生概率以界定警情等級及早防范，事中運用重要度分析辨識關鍵致險因子以明確過程控制要點，事后運用反向推理技術(shù)快速診斷查明最可能致因組合，從而為復雜工程安全事故全過程管理提供實時輔助決策支持。

【關鍵詞】安全管理；決策支持分析（DSA）；貝葉斯網(wǎng)絡（BN）；滲漏水；重要度

StudyonDecisionSupportAnalysisofSafetyManagementin

ComplexEngineeringBasedonBN

ZHANGLi-mao1CHENHong-yu2WUXian-guo1

（1SchoolofCivilEngineering＆Mechanics，HuazhongUniversityofScienceandTechnology，

WuhanHubei430074，China2MiddleSchoolAttachedtoHuazhongUniversityof

Science＆Technology，WuhanHubei430074，China）Abstract：Thecurrentsafetymanagementincomplexengineeringhasabiastowardspriormanagement，andreliestoomuchonexpertadvice．ThemodelingprocessofBNincomplexengineeringisdiscussed．AmethodofDSAbasedonBNforsafetymanagementisproposed．AndthenshieldtunnelwaterleakageinWuhanrivertunnelwastakenasanexampleforcasestudy．ResultsshowthatBayesiannetworkscanin-tegratepracticalexperienceaboutspecificprojectsfrommulti-domainsexperts，anddescribetheuncertain-tyofriskfactorsvisuallythroughdirectedgraphs．Usingthismethod，theaccidentprobabilitycanbepre-dictedforpreventionbyforwardreasoningbeforeaccident；duringtheconstruction，thekeyriskfactorscanbeidentifiedbyworthindexinordertostrengthenprocesscontrol；afteraccident，themostlikelycom-binationofaccidentcausescanbediscoveredbybackwardreasoning．Andthereforereal-timedecisionsupportcanbeprovidedforsafetymanagementwiththewholeprocessincomplexengineering．Keywords：safetymanagement；decisionsupportanalysis（DSA）；Bayesiannetworks（BN）；

waterleakage；importancedegree

*文章編號：1003－3033（2011）06－0141－06；收稿日期：2011－03－06；修稿日期：2011－04－30

·142·

中國安全科學ChinaSafetyScience學報

Journal第21卷2011年

0引言

由于復雜工程施工環(huán)境復雜多變、致險因子多且關聯(lián)性強等原因，致使施工過程中安全事故頻發(fā)。為了避免施工安全事故造成嚴重的人員傷亡和財產(chǎn)損失，國內(nèi)外工程人員逐漸重視安全事故的風險管

［1－3］

，理，基于定性或定量評價方法識別潛在風險

對發(fā)生可能性較大的風險及早應對防范。然而，，當

前工程事故的風險管理主要偏重于事故發(fā)生以前的安全管理，即事前管理。一旦事故發(fā)生，往往急于組織專家開展工程會議集中討論處理方案，這一方面可能會延誤工程事故處理的最佳時間，另一方面也表明當前工程安全管理較大依賴專家經(jīng)驗，專家知識尚未集成化管理用于實時安全管理決策支持。因研究復雜工程安全管理輔助決策支持直接關系此，

到建筑業(yè)可持續(xù)發(fā)展。

BayesianNet-近年發(fā)展起來的貝葉斯網(wǎng)絡（BN，works），能夠使先驗知識和樣本數(shù)據(jù)有機結(jié)合，被國推斷、內(nèi)外學者認為是不確定環(huán)境中實現(xiàn)知識表示、

［4］［5］

預測等最理想的工具，在生態(tài)學、可靠性分等領域得到廣泛運用。利用BN能夠融合多領域?qū)＜谊P于具體工程的實踐經(jīng)驗，為具體安全事故析

的處理提供實時決策支持。通過提出基于BN的工

并以武漢越江地鐵盾構(gòu)程安全管理決策分析方法，

隧道滲漏水事故為例進行實例分析，通過事前概率

預測、事中關鍵致險因子辨識及事后致因診斷等輔助決策分析，便捷實現(xiàn)復雜環(huán)境下工程安全施工全過程一體化管理。

［6］

圖1

Fig．1

復雜工程BN建模流程

ModelingprocessofBNincomplexengineering

1．1致險機理分析

在明確某一具體風險事件后，開始著手選擇相

關領域的專家對該事件進行致險機理分析，確定導致該風險事件發(fā)生的影響因子。1．2

模型設計

BN的模型設計一般包括結(jié)構(gòu)設計與參數(shù)設計2個步驟，按設計依據(jù)不同主要分為基于樣本數(shù)據(jù)

［9］

或?qū)＜抑R2種方法。因目前工程領域較為完整的安全事故樣本數(shù)據(jù)難以獲得，實際建模過程中多以專家知識為主導，而以樣本數(shù)據(jù)作為輔助手段。1．3

模型調(diào)試

1BN及其構(gòu)建

BN是一種集成因果與概率的知識網(wǎng)絡拓撲結(jié)

構(gòu)，可以反映具體問題中復雜變量之間的依賴關系，由代表變量的節(jié)點及連接這些節(jié)點的有向邊構(gòu)

［7］［8］成，有向邊反映變量之間的因果關系。在一個有向圖中，如果從節(jié)點X到節(jié)點Y有一條邊，則稱X為Y的父節(jié)點，而Y為X的子節(jié)點。沒有父節(jié)點的節(jié)點稱為根節(jié)點，沒有子節(jié)點的節(jié)點稱為葉節(jié)點。

復雜工程BN的構(gòu)建，是不斷深入分析了解具體風險事件的所有致險因子、致險因子之間的影響關系及其條件概率分布的過程。采用結(jié)構(gòu)化系統(tǒng)開發(fā)方法，將復雜工程BN構(gòu)建流程分為以下3個階段：致險機理分析、模型設計及模型調(diào)試，如圖1所示

。

為保證模型的正確性，對模型的結(jié)構(gòu)及參數(shù)進

行檢查，同時使用已知案例的條件作為證據(jù)進行推理測試，反復修正模型達到預定目標，即可認為建模成功。

2基于BN輔助決策分析方法

Deci-基于BN的安全管理輔助決策分析（DSA，

第6期張立茂等：基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究

·143·

sionSupportAnalysis），實際上是將風險事件的形成

連續(xù)的過程看待，通過正向與發(fā)生當作一個動態(tài)的、

推理、重要度分析、反向推理等方式，動態(tài)地分析各事中及事后各階段的相互影響個致險因子在事前、

和彼此制約的關系，以便為事故防范提供科學、有

效、及時的應對決策支持。2．1

事前概率預測

利用BN的正向推理技術(shù)，通過聯(lián)合概率分布，i=1，2，…，n）直接推算n個根節(jié)點Xi（致險因子，

故障組合下葉結(jié)點T（風險事件）的發(fā)生概率。葉結(jié)點T發(fā)生概率用P（T=1）表示，其計算為

Worth）：評價Xi不發(fā)生狀況與先驗概率分布下T發(fā)生

RRW

IRAW（Xi）＞1，概率的大小之比，用I（Xi）表示。說RRW

則Xi為有利因素，明Xi為不利因素；I（Xi）＜1，

其計算如式（3）所示。

IRRW（Xi）=

P（T=1）P（T=1|Xi=0）

i=1，2，…，n

（3）

3）變化衡量重要度（BM，BirmbaumMeasure）：衡量Xi在發(fā)生和不發(fā)生的情況下T發(fā)生概率值的用I變化幅度，

（Xi）表示，其計算如式（4）所示。

IBW（Xi）=max｛P（T=1|Xi=1），P（T=1|Xi=0）｝－min｛P（T=1|Xi=1），

P（T=1|Xi=0）｝

i=1，2，…，n

（4）

上述3項指標一般配合使用并且相互印證，通常選取各項排序結(jié)果均較為靠前的根節(jié)點作為關鍵

致險因子，指導施工人員明確日常施工安全管理控制要點，進而最大程度地避免事故發(fā)生。2．3

事后致因診斷

事后致因診斷指的是事故發(fā)生后診斷并查明事故致因，即反向推理。利用BN的反向推理技術(shù)，考察葉節(jié)點T（風險事件）發(fā)生狀態(tài)下各個根節(jié)點（致險因子）的后驗概率分布，第i個根節(jié)點Xi的后驗i=1，2，…，n，概率用P（Xi|T=1）表示，其計算如式（5）所示。P（Xi|T=1）越高，表明該節(jié)點成為事

進而指導施工人員針對性地故致因的可能性越大，

P（T=1）=

（P（T∑1

=1|X1=x1，X2=x2，…，Xn=

xi∈｛0，1｝

（1）

X2=x2，…，Xn=xn））xn）×P（X1=x1，

1，式中：n表示根節(jié)點的個數(shù)，每個根節(jié)點狀態(tài)有0，

2個狀態(tài)分別表示事件發(fā)生與不發(fā)生，故n個節(jié)點共

X2=x2，…，Xn=有2種組合；P（T=1|X1=x1，

xn）表示BN前向傳導的條件概率表；P（X1=x1，X2=x2，…，Xn=xn）表示根節(jié)點的聯(lián)合概率。

P（T=1）值的大小表明了風險事件T發(fā)生可能性的大小，一般劃分為5個級別，見表1，便于施

及早采取措施。工人員在事前階段界定事故等級，

表1Table1

概率等級概率區(qū)間

風險事件發(fā)生概率量化等級Probabilitylevelofriskevents

大0.6～0.8

很大＞0.8

很小小中等＜0.20.2～0.40.4～0.6

進行故障診斷，快速查明最可能致因組合。P（Xi=1|T=1）=

P（Xi=1）P（T=1|Xi=1）

P（T=1）

i=1，2，…，n

（5）

2．2事中關鍵致險因子辨識

利用BN的重要度分析技術(shù)，表明第i個根節(jié)點

Xi（致險因子）對葉結(jié)點T（風險事件）的影響程度，

進而辨識關鍵致險因子以明確過程控制要點。重要度的求解在BN中非常簡單，而且是準確解。重要度指標主要包括：

1）風險促進值重要度（RAW，RiskAchievementWorth）：評價Xi發(fā)生與否對T發(fā)生概率的影響程度用I大小，

（Xi）表示。IRAW（Xi）值越大，Xi和T之間的關聯(lián)性越強，其計算如式（2）所示。I

RAW

3實例分析

盾構(gòu)法日益成為現(xiàn)代城市地下鐵道或排水隧道

等施工的主流方法，而盾構(gòu)法施工的隧道防水是

一項相當復雜而又有一定難度的工作，據(jù)統(tǒng)計有一半以上的盾構(gòu)隧道都不同程度地存在著滲漏水的

［10］

現(xiàn)象。下面以武漢越江地鐵盾構(gòu)隧道為例進行實例分析。

武漢越江地鐵盾構(gòu)隧道全長約3100m，包括左右線2條區(qū)間隧道，各采用一臺刀盤外徑為6.52m的德國海瑞克泥水盾構(gòu)機由武昌端向漢口端同向推進。越江段工程地質(zhì)條件復雜，沿線地下水位高，隧

max｛P（T=1|Xi=0），P（T=1|Xi=1）｝

（Xi）=

P（T=1）

i=1，2，…，n

（2）

2）風險降低值重要度（RRW，RiskReduction

·144·

中國安全科學ChinaSafetyScience學報

Journal第21卷2011年

道掘進過程中承受地下水壓力及滲入侵害，隧道防水任務相當艱巨。通過深入分析武漢越江盾構(gòu)隧道滲漏水事故發(fā)生機理，結(jié)合領域?qū)＜液凸こ處煂嶋H

構(gòu)建盾構(gòu)隧道滲漏水BN如圖2所示，事施工經(jīng)驗，

件對應代碼及基本事件先驗概率（專家根據(jù)歷史數(shù)

據(jù)統(tǒng)計）見表2

。

Fig．2

表2

Table2

圖2武漢越江盾構(gòu)隧道滲漏水BN

BNofshieldleakageofWuhanrivertunnel

事件對應代碼及基本事件先驗概率

Eventscodeandpriorprobabilityofbasicevents

盾構(gòu)隧道滲漏水事故的發(fā)生是多個致險因子相

運用事前預測、事中控制及事后診斷互作用的結(jié)果，

等DSA方法，為地鐵盾構(gòu)施工安全風險防范及應對

提供全過程決策支持。3．1

通過正向推理預測事前風險發(fā)生概率

（P（X15=1）=1），這種情況下隧道滲漏水事故發(fā)生概率為51.29%，相對較高，施工人員應及時編制專項應

并密切監(jiān)控隧道滲漏水狀況。對措施，

BN的事前預測功能對地鐵實際施工具有很重要的指導意義，施工人員只需提前建立貝葉斯事故

網(wǎng)絡，然后根據(jù)現(xiàn)場情況的實時變化，如地質(zhì)突變、施工質(zhì)量問題、設計誤差等致險因子的變化狀況，在BN中錄入致險因子的狀態(tài)值，即可預測事故發(fā)生概率，界定事故警情等級。3．2

通過重要度分析快速辨識關鍵致險因子明確事中控制要點

在隧道開挖過程中，對于關鍵點的控制往往過

而采用BN重要度分析分依賴工程師的實踐經(jīng)驗，

可以智能辨識關鍵致險因子�；趫D2構(gòu)建的武漢

越江盾構(gòu)隧道滲漏水BN，利用式（2）—式（4），計算RAW和BM的指滲漏水事故BN中各根節(jié)點RRW，標值如圖3所示，可見3項重要度指標排序結(jié)果較其中，根節(jié)點X9（管片制作養(yǎng)護不合格）、為一致，

X10（管片曲率偏低）、X11（止水條止水性能偏低）、X12（止水條密封性能偏低）等排序最為靠前。它們

RRW值達到1.1以上，的RAW值達到2.26以上，

可以說，它們是導致事故發(fā)生的關鍵致險因子。故

而在日常施工安全管理中，必須高度重視管片及止

在盾構(gòu)滲漏水發(fā)生前，即事前階段及時知曉事故

發(fā)生概率有利于施工人員及時采取措施。基于圖2構(gòu)建的武漢越江盾構(gòu)隧道滲漏水BN，在根節(jié)點Xi的先驗概率下（表2），利用式（1）推算得該工程T（滲漏水事故）發(fā)生概率為6.43%，相對較低，見表3。

表3Table3類型先驗概率給定概率

盾構(gòu)隧道滲漏水事故預測發(fā)生概率

T發(fā)生概率/%

6.4322.6851.29

概率等級很小小中等

Forecastprobabilityofshieldtunnelleakage

根節(jié)點Xi概率見表2先驗概率P（X9=1）=1P（X9=1）=1P（X15=1）=1

當某個節(jié)點的狀態(tài)已確定，即根節(jié)點給定概率下亦能快速推算T的發(fā)生概率。實際工程中以下情況時有發(fā)生，如管片在制作、養(yǎng)護或運輸過程中出現(xiàn)裂紋或破損等情況下（P（X9=1）=1），推算得到T（滲漏水事故）發(fā)生概率為22.68%；若再加上注漿充填不密實

第6期張立茂等：基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究

·145·

水條參數(shù)設計，嚴格做好管片和止水條進場前檢查，以便最大程度地防范盾構(gòu)隧道滲漏水事故發(fā)生

。

圖4Fig．4

圖3

盾構(gòu)隧道滲漏水事故根節(jié)點重要度指標Fig．3

Worthindexofrootnodesofshieldtunnelleakage

盾構(gòu)隧道滲漏水事故診斷分析Accidentdiagnosisanalysisofshieldtunnelleakage

4結(jié)論

3．3通過反向推理快速查明事后最可能致因組合

筆者提出基于BN的DSA方法，從事前、事中及事后階段為復雜工程安全管理提供全過程決策支持，克服了單純風險管理偏重于事前管理、過分依賴專家經(jīng)驗等不足。并以武漢越江地鐵盾構(gòu)施工典型風險滲漏水事故為例實證分析，進一步驗證了BN在復雜工程安全管理決策支持應用中的科學合理性與獨特優(yōu)勢：

1）能夠?qū)崿F(xiàn)正向預測推理（根據(jù)根節(jié)點狀態(tài)推

在致險因子故障組合下，預測具體理葉節(jié)點狀態(tài)），

風險事件發(fā)生概率，提前做好事故預防工作。

2）能夠?qū)崿F(xiàn)致險因子重要度評價，進而辨識關鍵致險因子，明確復雜工程過程控制要點，盡量減少事故發(fā)生。

3）能夠?qū)崿F(xiàn)反向診斷推理（根據(jù)葉節(jié)點狀態(tài)推理根節(jié)點狀態(tài)），在事故已經(jīng)發(fā)生的狀態(tài)下，快速查明最可能的致因組合，減少事故診斷的盲目性，及時阻止事故進一步惡化。

武漢越江盾構(gòu)隧道施工過程中曾發(fā)生較為嚴重的滲漏水事故（P（T=1）=1），施工人員立即趕赴現(xiàn)場進行事故致因排查。利用BN反向推理技術(shù)，根據(jù)式（5）計算各根節(jié)點的后驗概率值如圖4白色發(fā)現(xiàn)X5（泥水壓力偏高）的后驗概率值最柱狀所示，

P（X5=1）=39%，是最可能導致滲漏水事故發(fā)大，

生的誘因。據(jù)此施工人員立即對盾構(gòu)機艙內(nèi)泥水壓力進行檢查，結(jié)果發(fā)現(xiàn)泥水壓力確實過高，超過正常值比例較大，即該狀態(tài)得到確認P（X5=1）=1。此時，一方面施工人員調(diào)整泥水壓力；另一方面，在事故發(fā)生（P（T=1）=1）且泥水壓力偏高（P（X5=1）=1）的情況下，再次反向推理計算其他結(jié)節(jié)的后驗概率，如圖4灰色柱狀所示，發(fā)現(xiàn)X9（管片制作養(yǎng)護不合格）、X10（管片曲率偏低）、X11（止水條止水性能偏低）、X12（止水條密封性能偏低）的概率值最大，均為28.21%，X10，X11，X12所則后續(xù)的排查工作應主要從X9，對應的基本事件入手，直至事故得到控制

。

參考文獻

［1］［2］

LingardHC，RowlinsonS．Behavior-basedsafetymanagementinHongKong'sconstructionindustry［J］．JournalofSafety1997，28（4）：243－256．Research，

［J］．中國安全科學學報，2004，14（12）：9－13．賈嘉陵，王夢恕，張頂立．北京西單立體交通工程施工安全風險模糊分析JIAJia-ling，WANGMeng-shu，ZHANGDing-li．FuzzyanalysisofconstructionriskinXidanhighwaygradeseparationproject［J］．ChinaSafetyScienceJournal，2004，14（12）：9－13．

［3］［4］［5］

StewardM．G．＆MelchersR．E．ProbabilisticRiskAssessmentofEngineeringSystem［M］．London：Chapman＆Hall，1997．

BangsO，WuilleminP-H．Top-downconstructionandrepetitivestructuresrepresentationinBayesiannetworks［A］．Proceed-ingsofthe13thInternationalFloridaArtificialIntelligenceResearchSocietyConference［C］．AAAIPress，2000：282－286．WaltonA，MeidingerD．CapturingexpertknowledgeforecosystemmappingusingBayesiannetworks［J］．CanadianJour-nalofForestResearch，2006，36（12）：3087－3103．

下載地址：35基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究.Doc

　　【】

天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

35基于貝葉斯網(wǎng)絡的復雜工程安全管理決策支持方法研究