頡正陽，安 紅，陳思楊

（空軍勤務(wù)學(xué)院a.學(xué)員一大隊；b.基礎(chǔ)部；c.航空軍交運輸指揮系，江蘇徐州221000）

軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測

頡正陽a，安 紅b，陳思楊c

（空軍勤務(wù)學(xué)院a.學(xué)員一大隊；b.基礎(chǔ)部；c.航空軍交運輸指揮系，江蘇徐州221000）

針對軍用危險品航空運輸裝卸保障過程中的風(fēng)險問題，根據(jù)軍用危險品航空運輸裝卸保障理論與實際，梳理出影響軍用危險品航空運輸裝卸保障的因素，建立了影響因素層次模型。針對影響因素的不確定性，將模糊集理論應(yīng)用到貝葉斯網(wǎng)絡(luò)中去，建立了基于模糊貝葉斯網(wǎng)絡(luò)的軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測的數(shù)學(xué)模型。最后，將實例中的節(jié)點證據(jù)輸入到模糊貝葉斯網(wǎng)絡(luò)中，對保障風(fēng)險進(jìn)行推理，驗證了模型的有效性和實用性。

風(fēng)險預(yù)測；軍用危險品；航空運輸；裝卸保障；模糊貝葉斯網(wǎng)絡(luò)

隨著大型軍用運輸機的部隊列裝，軍用危險品的航空運輸也迎來了新的發(fā)展契機，但是，由于軍用危險品的危險性，在其航空運輸?shù)谋Ｕ线^程尤其是裝卸飛機過程中容易發(fā)生安全事故，造成人員和財產(chǎn)的損失。因此，有必要對軍用危險品航空運輸裝卸保障的風(fēng)險進(jìn)行預(yù)測，以便提前采取預(yù)防措施。

貝葉斯網(wǎng)絡(luò)，又稱信度網(wǎng)絡(luò)，是目前不確定知識表達(dá)和推理領(lǐng)域最有效的理論模型之一[1]，它用清晰的具有網(wǎng)絡(luò)結(jié)構(gòu)的有向圖表達(dá)各個信息要素之間的關(guān)聯(lián)關(guān)系及影響程度，用節(jié)點變量表達(dá)各個信息要素，用連接節(jié)點之間的有向弧反映各個信息要素之間的關(guān)聯(lián)關(guān)系，用條件概率表表達(dá)各信息要素之間的影響程度。貝葉斯網(wǎng)絡(luò)具有強大的不確定知識的表達(dá)能力和靈活的推理機制，被廣泛應(yīng)用于軍事決策[2]、故障診斷[3-4]、態(tài)勢評估[5]、風(fēng)險評估[6]等領(lǐng)域。但是，貝葉斯網(wǎng)絡(luò)利用經(jīng)典二值概率論表征節(jié)點變量，不能有效反映各信息要素的模糊性[7]。文獻(xiàn)[8]利用模糊集合理論對連續(xù)型態(tài)勢變量進(jìn)行變參數(shù)模糊化，建立了無人機中遠(yuǎn)距空戰(zhàn)戰(zhàn)術(shù)決策的模糊貝葉斯網(wǎng)絡(luò)模型。文獻(xiàn)[9]以事故樹模型為基礎(chǔ)，映射為貝葉斯網(wǎng)絡(luò)，采用梯形模糊數(shù)代替基本事件的概率，通過貝葉斯網(wǎng)絡(luò)的正反向推理分析各基本事件的結(jié)構(gòu)重要度、概率重要度、關(guān)鍵重要度，并進(jìn)行排序，有效地定量評估了鐵路危險貨物運輸過程中的風(fēng)險性。本文針對軍用危險品航空運輸裝卸保障過程中的各節(jié)點信息的連續(xù)性和模糊性，建立了模糊貝葉斯網(wǎng)絡(luò)的軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測模型，通過推理得出軍用危險品航空運輸裝卸保障發(fā)生風(fēng)險問題的概率值，使得采取保障安全措施有了針對性，提高了裝卸保障的安全性和保障效率。

1 軍用危險品航空運輸裝卸保障風(fēng)險影響因素

軍用危險品航空運輸裝卸保障風(fēng)險影響因素層次模型，如圖1所示。

影響軍用危險品航空運輸裝卸保障風(fēng)險的因素從總體上來說分為軍用危險品自身因素和航空運輸裝卸保障因素。軍用危險品自身因素主要指軍用危險品自身的技術(shù)性能（理化性質(zhì)）、包裝、裝卸性（指軍用危險品對航空運輸?shù)跹b吊卸、升降裝卸、滾裝滾卸和牽引裝卸的適應(yīng)性）。而航空運輸裝卸保障因素主要包括裝卸保障作業(yè)能力、裝卸保障指揮與信息控制、裝卸保障配套建設(shè)以及裝卸保障標(biāo)準(zhǔn)法規(guī)和技術(shù)支持。

在遵循科學(xué)性、可靠性、全面性、實用性和代表性的原則的基礎(chǔ)上，并結(jié)合部隊實踐和專家的意見，經(jīng)過綜合考慮與分析，從人員、裝備、計劃管理、裝卸作業(yè)和軍用危險品5個方面建立了軍用危險品航空運輸裝卸保障風(fēng)險影響因素之間的層次關(guān)系。

2 風(fēng)險預(yù)測的模糊貝葉斯網(wǎng)絡(luò)模型

2.1 模糊貝葉斯網(wǎng)絡(luò)概述

模糊貝葉斯網(wǎng)絡(luò)[10-12]基本思想是利用模糊集對連續(xù)變量進(jìn)行嚴(yán)密和一致的描述，再利用貝葉斯網(wǎng)絡(luò)進(jìn)行模糊節(jié)點變量的概率推理，即預(yù)測。假定問題有限的節(jié)點變量集用來表示，ci的所有可能狀態(tài)集用Ci表示，再假設(shè)ci∈C可以被模糊化為一個模糊變量ui，并且ui可以表示ci的所有可能狀態(tài)，則ci的模糊集為：

式（1）中：ri為 ui的模糊狀態(tài)數(shù)；C?ij表示ui的第 j個模糊狀態(tài)。

在給定節(jié)點ci的父節(jié)點條件下，節(jié)點ci與父節(jié)點之外的其他節(jié)點條件獨立，即[13-15]

式（4）中：π(ci)為節(jié)點ci的父節(jié)點集合；A(ci)為節(jié)點ci父節(jié)點之外的其他節(jié)點集合。

2.2 模糊貝葉斯網(wǎng)絡(luò)模型的建立

2.2.1 貝葉斯網(wǎng)絡(luò)的確定

參照圖1所示的影響因素之間的層次關(guān)系，兼顧貝葉斯網(wǎng)絡(luò)推理的復(fù)雜程度，構(gòu)建了如圖2所示的軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。構(gòu)建的基本思路是：以“風(fēng)險預(yù)測”為目標(biāo)節(jié)點，設(shè)為D。以“人員因素”、“裝備因素”、“計劃管理因素”、“軍用危險品因素”和“裝卸作業(yè)因素”為父節(jié)點，考慮到“人員因素”中有相同屬性的節(jié)點變量，設(shè)置一個新的節(jié)點變量“操作人員因素B11”，包含“操作人員技術(shù)水平”和“操作人員編配率”。以c1,c2,…,c16為葉節(jié)點，作為貝葉斯網(wǎng)絡(luò)推理時的證據(jù)節(jié)點。

2.2.2 網(wǎng)絡(luò)節(jié)點變量參數(shù)模糊化

圖2所示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中的節(jié)點變量代表的影響因素分為定性因素和定量因素。定性因素包括“指揮人員能力素質(zhì)”、“保障裝備技術(shù)性能”等，采用專家打分的方式確定因素值；定量因素包括“操作人員編配率”、“保障裝備故障率”等，根據(jù)部隊實際情況獲取因素值。

影響因素分為正向因素和負(fù)向因素，正向因素指數(shù)值越大越好的因素，比如“裝卸方案完善程度”；負(fù)向因素指數(shù)值越小越好的因素，比如“保障裝備故障率”。

正向因素和負(fù)向因素的標(biāo)準(zhǔn)化公式分別為[16]：

式（6）、（7）中：cmk為第m個預(yù)測對象第k個節(jié)點變量的實測數(shù)值；分別為 p個預(yù)測對象中節(jié)點變量實測數(shù)值的相對最優(yōu)值。

將圖2中的節(jié)點變量劃分模糊狀態(tài)集，如目標(biāo)節(jié)點的模糊狀態(tài)集為{高，中，低}，“人員身體狀況”節(jié)點的模糊狀態(tài)集為{好，中，差}，“保障裝備配套率”節(jié)點的模糊狀態(tài)集為{高，中，低}。確定了各節(jié)點變量的模糊狀態(tài)集后，還需要確定每個節(jié)點變量的模糊隸屬函數(shù)。設(shè)各節(jié)點變量對應(yīng)的模糊狀態(tài)集中的元素分別為 ～Ci1、～Ci2和 ～Ci3，為使用方便且具有一般性的特點，選用梯形模糊隸屬函數(shù)來描述各節(jié)點變量的隸屬度[17]，模糊隸屬函數(shù)如圖3所示。

由圖3可知，節(jié)點變量的模糊隸屬函數(shù)分別為：

由于節(jié)點變量的模糊狀態(tài)集和節(jié)點變量的離散狀態(tài)是一一對應(yīng)的，因而根據(jù)模糊隸屬函數(shù)得到的隸屬度就等同于節(jié)點變量值屬于各個模糊狀態(tài)的概率值，這也符合模糊貝葉斯網(wǎng)絡(luò)輸入的證據(jù)狀態(tài)是多態(tài)的實際情況。

2.2.3 網(wǎng)絡(luò)節(jié)點變量的條件概率

采用德爾菲法[18]確定各節(jié)點變量的條件概率表，這里給出“操作人員因素”節(jié)點變量的條件概率表，作為模糊貝葉斯網(wǎng)絡(luò)推理的先驗信息，如表1所示，其他的節(jié)點變量的條件概率表限于篇幅不再一一列出。

表1 “操作人員因素”節(jié)點變量條件概率表Tab.1 Conditional probability table of“operating personnel”

2.2.4 模糊貝葉斯網(wǎng)絡(luò)的推理

模糊貝葉斯網(wǎng)絡(luò)推理就是在模糊貝葉斯網(wǎng)絡(luò)模型的基礎(chǔ)上，根據(jù)先驗信息，利用貝葉斯概率中條件概率的計算方法，計算出目標(biāo)節(jié)點的概率。

經(jīng)節(jié)點變量模糊化、推理得到的隸屬函數(shù)是目標(biāo)節(jié)點相應(yīng)的概率值，故不再需要解模糊化的步驟[8]。風(fēng)險預(yù)測即模糊貝葉斯網(wǎng)絡(luò)推理過程如圖4所示。

在獲得節(jié)點變量值后，將其模糊化得到各節(jié)點變量的隸屬度作為概率值，利用Matlab軟件中的FullBNT工具箱建立模糊貝葉斯網(wǎng)絡(luò)，將各節(jié)點變量的概率值輸入貝葉斯網(wǎng)絡(luò)進(jìn)行概率推理，最后得到軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測概率值。

3 實例分析

以某場站即將參加大型演習(xí)進(jìn)行的軍用危險品航空運輸裝卸保障為例，對該場站軍用危險品的裝卸保障風(fēng)險進(jìn)行預(yù)測，將風(fēng)險分為3級（高、中、低）。

3.1 節(jié)點變量值的獲取

根據(jù)該場站航空運輸裝卸保障和所運軍用危險品的相關(guān)數(shù)據(jù)，結(jié)合其他幾個場站相應(yīng)節(jié)點變量的數(shù)據(jù)以及專家的打分，由式（6）、（7）得到各葉節(jié)點變量的標(biāo)準(zhǔn)化值，如表2所示。

表2 模糊貝葉斯網(wǎng)絡(luò)葉節(jié)點變量標(biāo)準(zhǔn)化值Tab.2 Standardized values of node variables in fuzzy Bayesian network

3.2 節(jié)點變量模糊化

將模糊貝葉斯網(wǎng)絡(luò)中各葉節(jié)點變量的標(biāo)準(zhǔn)化值代入隸屬函數(shù)，得到隸屬度即模糊狀態(tài)概率值。由式（8）～（10）可得葉節(jié)點變量屬于各模糊狀態(tài)的隸屬度，如表3所示。

表3 各葉節(jié)點變量隸屬度Tab.3 Subordinate degrees of node variables

3.3 模糊貝葉斯網(wǎng)絡(luò)推理

將葉節(jié)點變量證據(jù)模糊化后輸入模糊貝葉斯網(wǎng)絡(luò)進(jìn)行概率推理，得到風(fēng)險（高、中、低）發(fā)生的概率如表4所示。根據(jù)模糊貝葉斯網(wǎng)絡(luò)的推理結(jié)果可知，該場站參加本次大型演習(xí)所要進(jìn)行的軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測值為中等風(fēng)險，仍有19.4%的概率為高風(fēng)險。分析B1～B4節(jié)點的推理概率可知，造成風(fēng)險較高的原因在于場站對軍用危險品的航空運輸裝卸保障沒有配套的裝卸裝備；裝卸相關(guān)人員沒有經(jīng)過針對軍用危險品的專門培訓(xùn)；最重要的是，對于軍用危險品的技術(shù)性能不了解，影響了裝卸安全。該場站在演習(xí)前要抓緊對裝卸保障人員進(jìn)行相關(guān)知識的培訓(xùn)，并向上級申請裝卸保障所需裝備，以保證演習(xí)安全進(jìn)行。

表4 模糊貝葉斯網(wǎng)絡(luò)推理結(jié)果Tab.4 Fuzzy Bayesian network reasoning results

4 結(jié)論

充分考慮了軍用危險品航空運輸裝卸保障過程中的不確定性，將模糊數(shù)學(xué)的理論與貝葉斯網(wǎng)絡(luò)相結(jié)合，首次建立了軍用危險品航空運輸裝卸保障風(fēng)險預(yù)測的模糊貝葉斯網(wǎng)絡(luò)模型，通過模糊貝葉斯網(wǎng)絡(luò)的推理得到了風(fēng)險預(yù)測概率值，推理結(jié)果較為可信，為部隊進(jìn)行軍用危險品航空運輸裝卸保障的風(fēng)險預(yù)測以及風(fēng)險控制提供了借鑒。但也存在以下問題，需要在今后進(jìn)行更進(jìn)一步的研究。

1）條件概率表是基于德爾菲法給出的，主觀性較大，影響了風(fēng)險預(yù)測的精度，下一步可以引入客觀的觀測數(shù)據(jù)，采取參數(shù)學(xué)習(xí)的方式確定各節(jié)點變量的條件概率表；

2）定性因素值的獲取，依靠的是專家打分，可能無法精確真實地反映實際情況，下一步可以研究定性因素的值如何獲取更加準(zhǔn)確。

[1]李碩豪，張軍.貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)綜述[J].計算機應(yīng)用研究，2015，32（3）：641-645.LI SHUOHAO，ZHANG JUN.Review of bayesian networks structure learning[J].Application Research of Computers，2015，32（3）：641-645.（in Chinese）

[2]趙飛，王青山，趙海濤.基于模糊貝葉斯網(wǎng)絡(luò)的空降場選擇研究[J].信息工程大學(xué)學(xué)報，2014，15（6）：664-665.ZHAO FEI，WANG QINGSHAN，ZHAO HAITAO.Airhead selection based on the fuzzy bayesian network[J].Journal of Information Engineering University，2014，15（6）：664-665.（in Chinese）

[3]WANG Y F，XIE M.Approach to integrate fuzzy fault tree with bayesian network[J].Procedia Engineering，2012，45：131-138.

[4]HUANG Y，MCMURRAN R，DHADYALLA G.Probability based vehicle fault diagnosis：Bayesian network method[J].Journal of Intelligent Manufacture，2008（19）：301-311.

[5]王玉惠，韓占朋，陳哨東，等.防空態(tài)勢評估系統(tǒng)分析及新型評估模型研究[J].南京航空航天大學(xué)學(xué)報，2014，46（4）：558-560.WANG YUHUI，HAN ZHANPENG，CHEN SHAODONG，et al.Analysis and modeling of threat evaluation system in air defense operations[J].Journal of Nanjing University of Aeronautics&Astronautics，2014，46（4）：558-560.（in Chinese）

[6]劉瑛，李敏強，陳富贊.飛行器機動動作風(fēng)險定量評估模型[J].系統(tǒng)工程與電子技術(shù)，2014，36（3）：469-472.LIU YING，LI MINQIANG，CHEN FUZAN.Risk quantitative evaluation model of the aircraft maneuver[J].Systems Engineering and Electronics，2014，36（3）：469-472.（in Chinese）

[7]楊銘，鄭寇全，雷英杰.基于直覺模糊貝葉斯網(wǎng)絡(luò)的不確定性推理方法[J].火力指揮與控制，2015，40（3）：37-38.YANG MING，ZHEN KOUQUAN，LEI YINGJIE.Method of uncertain reasoning based on IFBN[J].Fire Control&Command Control，2015，40（3）：37-38.（in Chinese）

[8]耿文學(xué)，孔繁峨，馬東前.基于模糊貝葉斯網(wǎng)絡(luò)的UAV中遠(yuǎn)距空戰(zhàn)戰(zhàn)術(shù)決策[J].火力與指揮控制，2014，39（3）：99-101.GENG WENXUE，KONG FANE，MA DONGQIAN.Method of uncertain reasoning based on IFBN[J].Fire Control&Command Control，2014，39（3）：99-101.（in Chinese）

[9]楊能普，楊月芳，馮偉.基于模糊貝葉斯網(wǎng)絡(luò)的鐵路危險貨物運輸過程風(fēng)險評估[J].鐵道學(xué)報，2014，36（7）：8-14.YANG NENGPU，YANG YUEFANG，F(xiàn)ENG WEI.Risk assessment of railway dangerous goods transport process based on fuzzy bayesian network[J].Journal of the China Railway Society，2014，36（7）：8-14.（in Chinese）

[10]周源，燕軍，孫媛，等.基于貝葉斯網(wǎng)絡(luò)的要地防空目標(biāo)威脅評估模型[J].海軍航空工程學(xué)院學(xué)報，2015，30（5）：467-471.ZHOU YUAN，YAN JUN，SUN YUAN，et al.Threat evaluation air defense based model for important place on bayesian network[J].Journal of Naval Aeronautical and Astronautical University，2015，30（5）：467-471.（in Chinese）

[11]賀小亮，畢義明.基于貝葉斯網(wǎng)絡(luò)的目標(biāo)選擇方案設(shè)計[J].現(xiàn)代防御技術(shù)，2014，42（3）：7-10.HE XIAOLIANG，BI YIMING.Target selection scheme design based on bayesian networks[J].Modern Defence Technology，2014，42（3）：7-10.（in Chinese）

[12]紀(jì)軍，田淑榮，馬培蓓.基于動態(tài)貝葉斯網(wǎng)絡(luò)的防空作戰(zhàn)態(tài)勢分析[J].海軍航空工程學(xué)院學(xué)報，2013，28（8）：679-682.JI JUN，TIAN SHURONG，MA PEIBEI.Situation analysis of air defensive operation based on dynamic bayesian network to object assessment[J].Journal of Naval Aeronautical and Astronautical University，2013，28（8）：679-682.（in Chinese）

[13]陳東寧，姚成玉.基于模糊貝葉斯網(wǎng)絡(luò)的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應(yīng)用[J].機械工程學(xué)報，2012，48（16）：175-176.CHEN DONGNING，YAO CHENGYU.Reliability analysis of multi-state system based on fuzzy bayesian networks and application in hydraulic system[J].Journal of Mechanical Engineering，2012，48（16）：175-176.（in Chinese）

[14]郝學(xué)良，朱小冬，趙勁松.模糊推理在軟件維護(hù)性評估和預(yù)測中的應(yīng)用[J].軍械工程學(xué)院學(xué)報，2013，25（1）：10-13.HAO XUELIANG，ZHU XIAODONG，ZHAO JINSONG.Application of fuzzy inference in software maintainability assessment and prediction[J].Journal of Ordnance Engineering College，2013，25（1）：10-13.（in Chinese）

[15]王玉惠，韓占朋，程哨東，等.防空態(tài)勢評估系統(tǒng)分析及新型評估模型研究[J].南京航空航天大學(xué)學(xué)報，2014，46（4）：558-565.WANG YUHUI，HAN ZHANPENG，CHENG SHAODONG，et al.Analysis and modeling of threat evaluation system in air defense operations[J].Journal of Nan-jing University of Aeronautics&Astronautics，2014，46（4）：558-565.（in Chinese）

[16]馮世豪，張立海，張百成.基于灰色模糊理論的軍械倉庫安全評估[J].海軍航空工程學(xué)院學(xué)報，2016，31（2）：185-188.FENG SHIHAO，ZHANG LIHAI，ZHANG BAICHENG.Ordnance depot of safety evaluation based on grey fuzzy theory[J].Journal of Naval Aeronautical and Astronautical University，2016，31（2）：185-188.（in Chinese）

[17]董彥軍，夏秀峰.基于模糊綜合評判的航空備件需求預(yù)測[J].飛機設(shè)計，2014，34（6）：66-70.DONG YANJUN，XIA XIUFENG.Demand prediction for spare parts of aviation eased on fuzzy comprehensive evaluation[J].Airgraft Design，2014，34（6）：66-70.（in Chinese）

[18]SCHMIDT R，LYYTINEN K，KEIL M，et al.Identifying software project risks：an international delphi study[J].Journal of Management Information Systems，2001，17（4）：5-36.

Risk Prediction of the Loading and Unloading Guarantee of Military Dangerous Materials Air Transportation

XIE Zhengyanga,AN Hongb,CHEN Siyangc
（Air Force Logistics College a.Cadet Brigade 1;b.Department of Basic;c.Department of Airway Military Transportation Command System,Xuzhou Jiangsu 221000,China）

Aiming at the risk during process of the loading and unloading guarantee in military dangerous materials air transportation,the influencing factors of the loading and unloading guarantee in military dangerous materials air transporta?tion were teased out based on the theory and reality of the loading and unloading guarantee,with building a hierarchical model of the influencing factors.For the uncertainty of the influencing factors，fuzzy set theory was applied to the Bayesian network,and the mathematical model of risk prediction in the loading and unloading guarantee in military dangerous mate?rials air transportation.Finally,the evidences of nodes in a case study were input into the fuzzy Bayesian network,reason?ing the risk of support and testing the validity and practicality of the model.

risk prediction;military dangerous materials;air transportation;loading and unloading guarantee;fuzzy Bayes?ian network

E234

A

1673-1522（2017）03-0313-06

10.7682/j.issn.1673-1522.2017.03.011

2017-03-16；

2017-05-17

國防科研基金資助項目（BJJ16L011）

頡正陽（1993-），男，碩士生。