基于FTA-BN的?；吠＼噲霾酃捃囆孤└怕史治?/h1>
2022-09-29 02:30:06王成龍田宏朱家鑫賈圣孔
遼寧化工 2022年9期
王成龍，田宏，朱家鑫，賈圣孔
（沈陽航空航天大學(xué) 安全工程學(xué)院，遼寧 沈陽 110136）
由于化工行業(yè)迅速發(fā)展，危險(xiǎn)化學(xué)品需求不斷增加，其運(yùn)輸規(guī)模不斷擴(kuò)大，并且以長距離的異地公路運(yùn)輸為主。為了減少事故的發(fā)生，加強(qiáng)運(yùn)輸車輛的安全管理，國內(nèi)的化工園區(qū)、危化品倉儲物流等企業(yè)開始建設(shè)專用的?；吠＼噲?。
?；吠＼噲鲋旭v留的槽罐車裝載的危險(xiǎn)化學(xué)品大多具有易燃、易爆或者毒害性，如果出現(xiàn)了泄漏的情況將伴隨著極大的危險(xiǎn)隱患，容易產(chǎn)生爆炸、火災(zāi)甚至是人員中毒事件，這也意味著將對停車場及周邊人員的人身安全帶來威脅，并可能會帶來相關(guān)的財(cái)產(chǎn)損失、環(huán)境污染等。
許多學(xué)者對危化品物流風(fēng)險(xiǎn)進(jìn)行了一些研究[1-3]，這些研究大多集中在對道路運(yùn)輸過程中的風(fēng)險(xiǎn)進(jìn)行研究，且以定性研究為主，而對危化品停車場內(nèi)部的風(fēng)險(xiǎn)研究得較少。本文針對?；吠＼噲鰞?nèi)的槽罐車泄漏風(fēng)險(xiǎn)進(jìn)行研究，借助于將事故樹轉(zhuǎn)化貝葉斯網(wǎng)絡(luò)的方法對危化品停車場中的槽罐車泄漏事故進(jìn)行研究，目的是確定停車場內(nèi)槽罐車的泄漏概率，以便對?；吠＼噲龅娘L(fēng)險(xiǎn)分析和風(fēng)險(xiǎn)管理提供科學(xué)依據(jù)。
1 影響槽罐車泄漏的主要影響因素
駐留在停車場上的危化品槽罐車大多數(shù)是處于靜止?fàn)顟B(tài)，儲罐的泄漏主要由儲罐本體和管路系統(tǒng)兩大問題導(dǎo)致。
造成槽罐車儲罐泄漏的主要因素有兩點(diǎn)，其一是部分儲罐存在質(zhì)量不合格的情況，其二是由于長時(shí)間的使用導(dǎo)致儲罐本身的儲存強(qiáng)度削弱，即造成了罐體疲勞。
儲罐自身的質(zhì)量不合格主要是由于設(shè)計(jì)制造的問題造成的，罐體疲勞主要是由于超裝和超壓這些違規(guī)因素造成的，其中環(huán)境溫度過高以及安全附件失效是引起超壓的主要因素。當(dāng)管路系統(tǒng)出現(xiàn)泄漏的問題時(shí)，往往表現(xiàn)為管道破裂、閥門失效或是法蘭無效密封[4]。
影響儲罐泄漏的影響因素還包括人的因素。其中，如果操作人員沒有按照規(guī)范的操作流程進(jìn)行，或者是出現(xiàn)違規(guī)操作，可能會導(dǎo)致罐體出現(xiàn)泄漏。除此之外，在維護(hù)方面，維修人員對槽罐車設(shè)備故障檢維修不及時(shí)，這些都可能導(dǎo)致事故的形成和發(fā)生[5]。
此外，安全檢查制度的不健全以及不能嚴(yán)格貫徹執(zhí)行也是導(dǎo)致儲罐泄漏的影響因素之一。
基于以上分析，以危化品停車場槽罐車泄漏作為頂事件，建立的事故樹如圖1所示，事故樹中符號所對應(yīng)的事件如表1所示。
表1 危化品停車場槽罐車泄漏事故樹的事件和編號
圖1 ?；吠＼噲霾酃捃囆孤┦鹿蕵?/p>
2 模糊貝葉斯網(wǎng)絡(luò)以及槽罐車泄漏概率分析
影響槽罐車泄漏概率的影響因素很多，很多具有模糊性且難以量化，一般的數(shù)學(xué)方法難以處理。貝葉斯網(wǎng)絡(luò)能夠充分利用定性知識和定量數(shù)據(jù)以及本領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識對影響槽罐車泄漏的影響因素進(jìn)行推理分析，最終得到槽罐車的泄漏概率。使用貝葉斯網(wǎng)絡(luò)對槽罐車泄漏概率分析主要包括以下3 個(gè)步驟：①基于槽罐車泄漏事故樹利用GeNIe軟件建立對應(yīng)的貝葉斯網(wǎng)絡(luò)模型；②基于三角模糊數(shù)根據(jù)專家經(jīng)驗(yàn)和知識對根節(jié)點(diǎn)進(jìn)行模糊化處理；③對模糊化的數(shù)據(jù)進(jìn)行解模糊得到模糊可能性值并將模糊可能性值轉(zhuǎn)化為模糊失效概率，最后通過GeNIe 軟件將得到的模糊失效概率進(jìn)行演算分析從而獲取罐體泄漏的概率。
2.1 貝葉斯網(wǎng)絡(luò)
從概念上來看，貝葉斯網(wǎng)絡(luò)（BN）指的是通過有向無環(huán)圖來表現(xiàn)出要素之間依賴關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)，這種網(wǎng)絡(luò)結(jié)構(gòu)主要由有向無環(huán)圖（DAG）若干個(gè)條件概率表（CPT）組成，可以表示為：
其中，(X,M)是具有n個(gè)節(jié)點(diǎn)的 DAG；M是這些節(jié)點(diǎn)的有向邊；其中的每一個(gè)節(jié)點(diǎn)都代表著一種隨機(jī)變量，X ={X1,X2,…,Xn}則是隨機(jī)變量的集合；DAG 的組成包括這些節(jié)點(diǎn)及實(shí)現(xiàn)這些節(jié)點(diǎn)連接的有向邊；P 是每個(gè)節(jié)點(diǎn)上的 CPT，即代表著一組對應(yīng)的條件概率。DAG 通過定性的角度描述了貝葉斯網(wǎng)絡(luò)的整體結(jié)構(gòu)，CPT 則是通過定量的角度描述了貝葉斯網(wǎng)絡(luò)的參數(shù)，即在父節(jié)點(diǎn)的所有取值組合下，某一節(jié)點(diǎn)處于不同的安全性影響因素狀態(tài)的條件概率，同時(shí)，根節(jié)點(diǎn)的先驗(yàn)概率值代表著處于不同狀態(tài)的概率[6]。
BN 的聯(lián)合概率分布式為：
式中：π(Xi)表示—Xi的父節(jié)點(diǎn)。
2.2 事故樹向貝葉斯網(wǎng)絡(luò)映射
通過事故樹向貝葉斯網(wǎng)絡(luò)映射的方式能夠通過利用歷史信息，從而降低建模難度。通過事故樹模型來構(gòu)造貝葉斯網(wǎng)絡(luò)的過程主要包括兩個(gè)板塊：①首先明確貝葉斯網(wǎng)絡(luò)有向無環(huán)圖，需要將網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)與事故樹的各個(gè)時(shí)間分別對應(yīng)，并通過有向邊連結(jié)對應(yīng)的節(jié)點(diǎn);②明確條件概率參數(shù)，把事故樹中的邏輯門轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)條件概率分布，如圖2所示，具體流程見圖3。根據(jù)前面對于?；吠＼噲鏊⑹鹿蕵淠Ｐ停蒙厦孀鼋榻B的流程，利用GeNIe 軟件建立?；吠＼噲霾酃捃囆孤┑呢惾~斯網(wǎng)絡(luò)模型如圖4所示。
圖2 FTA 向BN 的轉(zhuǎn)化規(guī)則
圖3 基于FTA 構(gòu)造BN 流程
圖4 ?；吠＼噲霾酃捃囆孤┑呢惾~斯網(wǎng)絡(luò)模型
2.3 槽罐車泄漏概率的模糊解法
本文中在基于貝葉斯網(wǎng)絡(luò)來對于槽罐車泄漏概率進(jìn)行分析的過程中有一個(gè)重要前提就是根節(jié)點(diǎn)與中間節(jié)點(diǎn)的概率均需為單一且精確的數(shù)值。然而，在槽罐車泄漏事故中出現(xiàn)的影響因素較多，從而具有一定的多態(tài)性與不確定性，使用傳統(tǒng)計(jì)量方法難以得到對于本事件概率的精確量化結(jié)果。因此，本文將進(jìn)一步對于底事件的模糊性問題進(jìn)行探究，由此引出三角模糊數(shù)求解的方式。
2.3.1 三角模糊數(shù)
三角模糊數(shù)記為 A=(a,b,c)，其隸屬度函數(shù)為[7]：
任取λ=[0,1]，則Aλ={x ∈R,μA≥λ} =[AUλ,ALλ]，Aλ為A的λ-截集。
2.3.2 解模糊
通過解模糊的方式能夠?qū)⒏魇录l(fā)生過程中的模糊可能值轉(zhuǎn)換成精確值。根據(jù)LIOU[8]的積分值方法，可以通過λ-截集的運(yùn)算處理模糊數(shù)，LIOU 的方法具有基礎(chǔ)且可操作性，因此在本文中將采取此方法來進(jìn)行處理，主要計(jì)算公式如下：
I表示模糊可能性的代表值；α∈[0,1]，代表樂觀系數(shù)；α =0、α =1，分別對應(yīng)解模糊數(shù)A得到的模糊化值的上、下界；α =0.5 時(shí)，為模糊數(shù)A解模糊化值的代表值；μR(A)、μL(A)分別代表模糊數(shù)左、右隸屬函數(shù)反函數(shù)的積分值；mλ、nλ表示模糊數(shù)A的λ-截集的上下界，=0,0.1,0.2,…,1，，Δλ=0.1。
2.3.3 模糊失效概率
由于在計(jì)算過程中采用模糊數(shù)代替基本事件發(fā)生的概率使得發(fā)生概率的真實(shí)數(shù)據(jù)與事件發(fā)生的模糊可能性存在一定程度的差異，所以通過將模糊可能性向發(fā)生概率的轉(zhuǎn)換工作可以有效解決這一狀況[9]，ONISAWA[10]的研究可以有效完成這一轉(zhuǎn)換工作，計(jì)算過程如下：
式中K為轉(zhuǎn)化系數(shù)：
3 實(shí)例研究
目前，對于罐車的失效概率沒有數(shù)據(jù)庫可供利用，此外有些因素，尤其是管理因素也難以量化。因此，本文嘗試通過專家評判的方法來評判圖1中事故樹中基本事件發(fā)生的概率。專家評判語言集共分為5 個(gè)等級，按順序依次為“低”“低”，“中等”“較高”“高”，可利用三角模糊數(shù)對專家語句進(jìn)行轉(zhuǎn)化。發(fā)生概率語言描述對應(yīng)的模糊數(shù)形式和λ-集見表2，其中，率語言描述對應(yīng)的模糊H”表示“低、較低、中等、較高、高”。
表2 發(fā)生概率語言描述對應(yīng)的模糊數(shù)形式和λ-截集
以X8 為例，4 位專家分別給出的評價(jià)結(jié)果依次是：“較低”“較低”“較高”“中等”。然后，為了得出更精準(zhǔn)的發(fā)生概率，本文將基于4 位專家的評判結(jié)果進(jìn)行綜合評判進(jìn)而計(jì)算出 X8 的平均模糊數(shù)，計(jì)算過程如下：
根據(jù)公式（5）、公式（6）、公式（7）得：
根據(jù)公式（8）、公式（9）得：
P(X8)=0.003 2。
同理可得其他根節(jié)點(diǎn)概率如表3所示，將經(jīng)過分析后的數(shù)據(jù)進(jìn)行整理輸入到GeNIe 軟件中得：P(T=1)=0.144 2，即該危化品停車場槽罐車泄漏概率為0.144 2。
表3 根節(jié)點(diǎn)概率表
4 結(jié)束語
本文首先基于事故樹找出導(dǎo)致槽罐車泄漏的原因，進(jìn)一步通過貝葉斯網(wǎng)絡(luò)的條件概率計(jì)算方法演算出事故發(fā)生的概率，在整個(gè)過程中一定程度上解決了本文探究的影響槽罐車泄漏的影響因素的量化問題，并在探討過程中充分考慮并降低了使用事故樹分析過程中出現(xiàn)的不確定性和模糊性。
本文在探究過程中也存在著一定的缺陷，值得未來進(jìn)行深入思考。本文中只基于導(dǎo)致事故產(chǎn)生的因素進(jìn)行分析，而未進(jìn)一步的揭露各風(fēng)險(xiǎn)因素之間的作用關(guān)系。因此，在未來的探究過程中，應(yīng)該結(jié)合案例情景進(jìn)一步分析?；吠＼噲霾酃捃囆孤┦鹿试诓煌膱鼍跋碌臄?shù)學(xué)期望值，最終得出最容易導(dǎo)致事故的場景并提出相關(guān)建議。
猜你喜歡
江陰市“三個(gè)創(chuàng)新”打造危化品安全監(jiān)管新引擎江蘇安全生產(chǎn)(2022年8期)2022-11-01 09:14:48 江蘇安全生產(chǎn)(2022年4期)2022-05-23 13:03:42 淮安市構(gòu)建?；钒踩O(jiān)管新格局江蘇安全生產(chǎn)(2021年8期)2021-11-05 08:14:52 ?；愤\(yùn)輸豈能有亂象水上消防(2020年4期)2021-01-04 01:51:18 鐵路槽罐車智能監(jiān)測系統(tǒng)的設(shè)計(jì)鐵道通信信號(2020年5期)2020-09-21 09:21:50 隧道內(nèi)槽罐車對甲醇蒸氣爆炸壓力場影響的數(shù)值模擬分析*中國安全生產(chǎn)科學(xué)技術(shù)(2018年4期)2018-05-08 09:16:17 貝葉斯公式及其應(yīng)用數(shù)理化解題研究(2017年4期)2017-05-04 04:07:54 基于貝葉斯估計(jì)的軌道占用識別方法鐵道通信信號(2016年6期)2016-06-01 12:10:20 一種基于貝葉斯壓縮感知的說話人識別方法電子器件(2015年5期)2015-12-29 08:43:15 IIRCT下負(fù)二項(xiàng)分布參數(shù)多變點(diǎn)的貝葉斯估計(jì)鄭州大學(xué)學(xué)報(bào)(理學(xué)版)(2014年2期)2014-03-01 04:20:49
王成龍，田宏，朱家鑫，賈圣孔
（沈陽航空航天大學(xué) 安全工程學(xué)院，遼寧 沈陽 110136）
由于化工行業(yè)迅速發(fā)展，危險(xiǎn)化學(xué)品需求不斷增加，其運(yùn)輸規(guī)模不斷擴(kuò)大，并且以長距離的異地公路運(yùn)輸為主。為了減少事故的發(fā)生，加強(qiáng)運(yùn)輸車輛的安全管理，國內(nèi)的化工園區(qū)、危化品倉儲物流等企業(yè)開始建設(shè)專用的?；吠＼噲?。
?；吠＼噲鲋旭v留的槽罐車裝載的危險(xiǎn)化學(xué)品大多具有易燃、易爆或者毒害性，如果出現(xiàn)了泄漏的情況將伴隨著極大的危險(xiǎn)隱患，容易產(chǎn)生爆炸、火災(zāi)甚至是人員中毒事件，這也意味著將對停車場及周邊人員的人身安全帶來威脅，并可能會帶來相關(guān)的財(cái)產(chǎn)損失、環(huán)境污染等。
許多學(xué)者對危化品物流風(fēng)險(xiǎn)進(jìn)行了一些研究[1-3]，這些研究大多集中在對道路運(yùn)輸過程中的風(fēng)險(xiǎn)進(jìn)行研究，且以定性研究為主，而對危化品停車場內(nèi)部的風(fēng)險(xiǎn)研究得較少。本文針對?；吠＼噲鰞?nèi)的槽罐車泄漏風(fēng)險(xiǎn)進(jìn)行研究，借助于將事故樹轉(zhuǎn)化貝葉斯網(wǎng)絡(luò)的方法對危化品停車場中的槽罐車泄漏事故進(jìn)行研究，目的是確定停車場內(nèi)槽罐車的泄漏概率，以便對?；吠＼噲龅娘L(fēng)險(xiǎn)分析和風(fēng)險(xiǎn)管理提供科學(xué)依據(jù)。
1 影響槽罐車泄漏的主要影響因素
駐留在停車場上的危化品槽罐車大多數(shù)是處于靜止?fàn)顟B(tài)，儲罐的泄漏主要由儲罐本體和管路系統(tǒng)兩大問題導(dǎo)致。
造成槽罐車儲罐泄漏的主要因素有兩點(diǎn)，其一是部分儲罐存在質(zhì)量不合格的情況，其二是由于長時(shí)間的使用導(dǎo)致儲罐本身的儲存強(qiáng)度削弱，即造成了罐體疲勞。
儲罐自身的質(zhì)量不合格主要是由于設(shè)計(jì)制造的問題造成的，罐體疲勞主要是由于超裝和超壓這些違規(guī)因素造成的，其中環(huán)境溫度過高以及安全附件失效是引起超壓的主要因素。當(dāng)管路系統(tǒng)出現(xiàn)泄漏的問題時(shí)，往往表現(xiàn)為管道破裂、閥門失效或是法蘭無效密封[4]。
影響儲罐泄漏的影響因素還包括人的因素。其中，如果操作人員沒有按照規(guī)范的操作流程進(jìn)行，或者是出現(xiàn)違規(guī)操作，可能會導(dǎo)致罐體出現(xiàn)泄漏。除此之外，在維護(hù)方面，維修人員對槽罐車設(shè)備故障檢維修不及時(shí)，這些都可能導(dǎo)致事故的形成和發(fā)生[5]。
此外，安全檢查制度的不健全以及不能嚴(yán)格貫徹執(zhí)行也是導(dǎo)致儲罐泄漏的影響因素之一。
基于以上分析，以危化品停車場槽罐車泄漏作為頂事件，建立的事故樹如圖1所示，事故樹中符號所對應(yīng)的事件如表1所示。
表1 危化品停車場槽罐車泄漏事故樹的事件和編號
圖1 ?；吠＼噲霾酃捃囆孤┦鹿蕵?/p>
2 模糊貝葉斯網(wǎng)絡(luò)以及槽罐車泄漏概率分析
影響槽罐車泄漏概率的影響因素很多，很多具有模糊性且難以量化，一般的數(shù)學(xué)方法難以處理。貝葉斯網(wǎng)絡(luò)能夠充分利用定性知識和定量數(shù)據(jù)以及本領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識對影響槽罐車泄漏的影響因素進(jìn)行推理分析，最終得到槽罐車的泄漏概率。使用貝葉斯網(wǎng)絡(luò)對槽罐車泄漏概率分析主要包括以下3 個(gè)步驟：①基于槽罐車泄漏事故樹利用GeNIe軟件建立對應(yīng)的貝葉斯網(wǎng)絡(luò)模型；②基于三角模糊數(shù)根據(jù)專家經(jīng)驗(yàn)和知識對根節(jié)點(diǎn)進(jìn)行模糊化處理；③對模糊化的數(shù)據(jù)進(jìn)行解模糊得到模糊可能性值并將模糊可能性值轉(zhuǎn)化為模糊失效概率，最后通過GeNIe 軟件將得到的模糊失效概率進(jìn)行演算分析從而獲取罐體泄漏的概率。
2.1 貝葉斯網(wǎng)絡(luò)
從概念上來看，貝葉斯網(wǎng)絡(luò)（BN）指的是通過有向無環(huán)圖來表現(xiàn)出要素之間依賴關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)，這種網(wǎng)絡(luò)結(jié)構(gòu)主要由有向無環(huán)圖（DAG）若干個(gè)條件概率表（CPT）組成，可以表示為：
其中，(X,M)是具有n個(gè)節(jié)點(diǎn)的 DAG；M是這些節(jié)點(diǎn)的有向邊；其中的每一個(gè)節(jié)點(diǎn)都代表著一種隨機(jī)變量，X ={X1,X2,…,Xn}則是隨機(jī)變量的集合；DAG 的組成包括這些節(jié)點(diǎn)及實(shí)現(xiàn)這些節(jié)點(diǎn)連接的有向邊；P 是每個(gè)節(jié)點(diǎn)上的 CPT，即代表著一組對應(yīng)的條件概率。DAG 通過定性的角度描述了貝葉斯網(wǎng)絡(luò)的整體結(jié)構(gòu)，CPT 則是通過定量的角度描述了貝葉斯網(wǎng)絡(luò)的參數(shù)，即在父節(jié)點(diǎn)的所有取值組合下，某一節(jié)點(diǎn)處于不同的安全性影響因素狀態(tài)的條件概率，同時(shí)，根節(jié)點(diǎn)的先驗(yàn)概率值代表著處于不同狀態(tài)的概率[6]。
BN 的聯(lián)合概率分布式為：
式中：π(Xi)表示—Xi的父節(jié)點(diǎn)。
2.2 事故樹向貝葉斯網(wǎng)絡(luò)映射
通過事故樹向貝葉斯網(wǎng)絡(luò)映射的方式能夠通過利用歷史信息，從而降低建模難度。通過事故樹模型來構(gòu)造貝葉斯網(wǎng)絡(luò)的過程主要包括兩個(gè)板塊：①首先明確貝葉斯網(wǎng)絡(luò)有向無環(huán)圖，需要將網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)與事故樹的各個(gè)時(shí)間分別對應(yīng)，并通過有向邊連結(jié)對應(yīng)的節(jié)點(diǎn);②明確條件概率參數(shù)，把事故樹中的邏輯門轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)條件概率分布，如圖2所示，具體流程見圖3。根據(jù)前面對于?；吠＼噲鏊⑹鹿蕵淠Ｐ停蒙厦孀鼋榻B的流程，利用GeNIe 軟件建立?；吠＼噲霾酃捃囆孤┑呢惾~斯網(wǎng)絡(luò)模型如圖4所示。
圖2 FTA 向BN 的轉(zhuǎn)化規(guī)則
圖3 基于FTA 構(gòu)造BN 流程
圖4 ?；吠＼噲霾酃捃囆孤┑呢惾~斯網(wǎng)絡(luò)模型
2.3 槽罐車泄漏概率的模糊解法
本文中在基于貝葉斯網(wǎng)絡(luò)來對于槽罐車泄漏概率進(jìn)行分析的過程中有一個(gè)重要前提就是根節(jié)點(diǎn)與中間節(jié)點(diǎn)的概率均需為單一且精確的數(shù)值。然而，在槽罐車泄漏事故中出現(xiàn)的影響因素較多，從而具有一定的多態(tài)性與不確定性，使用傳統(tǒng)計(jì)量方法難以得到對于本事件概率的精確量化結(jié)果。因此，本文將進(jìn)一步對于底事件的模糊性問題進(jìn)行探究，由此引出三角模糊數(shù)求解的方式。
2.3.1 三角模糊數(shù)
三角模糊數(shù)記為 A=(a,b,c)，其隸屬度函數(shù)為[7]：
任取λ=[0,1]，則Aλ={x ∈R,μA≥λ} =[AUλ,ALλ]，Aλ為A的λ-截集。
2.3.2 解模糊
通過解模糊的方式能夠?qū)⒏魇录l(fā)生過程中的模糊可能值轉(zhuǎn)換成精確值。根據(jù)LIOU[8]的積分值方法，可以通過λ-截集的運(yùn)算處理模糊數(shù)，LIOU 的方法具有基礎(chǔ)且可操作性，因此在本文中將采取此方法來進(jìn)行處理，主要計(jì)算公式如下：
I表示模糊可能性的代表值；α∈[0,1]，代表樂觀系數(shù)；α =0、α =1，分別對應(yīng)解模糊數(shù)A得到的模糊化值的上、下界；α =0.5 時(shí)，為模糊數(shù)A解模糊化值的代表值；μR(A)、μL(A)分別代表模糊數(shù)左、右隸屬函數(shù)反函數(shù)的積分值；mλ、nλ表示模糊數(shù)A的λ-截集的上下界，=0,0.1,0.2,…,1，，Δλ=0.1。
2.3.3 模糊失效概率
由于在計(jì)算過程中采用模糊數(shù)代替基本事件發(fā)生的概率使得發(fā)生概率的真實(shí)數(shù)據(jù)與事件發(fā)生的模糊可能性存在一定程度的差異，所以通過將模糊可能性向發(fā)生概率的轉(zhuǎn)換工作可以有效解決這一狀況[9]，ONISAWA[10]的研究可以有效完成這一轉(zhuǎn)換工作，計(jì)算過程如下：
式中K為轉(zhuǎn)化系數(shù)：
3 實(shí)例研究
目前，對于罐車的失效概率沒有數(shù)據(jù)庫可供利用，此外有些因素，尤其是管理因素也難以量化。因此，本文嘗試通過專家評判的方法來評判圖1中事故樹中基本事件發(fā)生的概率。專家評判語言集共分為5 個(gè)等級，按順序依次為“低”“低”，“中等”“較高”“高”，可利用三角模糊數(shù)對專家語句進(jìn)行轉(zhuǎn)化。發(fā)生概率語言描述對應(yīng)的模糊數(shù)形式和λ-集見表2，其中，率語言描述對應(yīng)的模糊H”表示“低、較低、中等、較高、高”。
表2 發(fā)生概率語言描述對應(yīng)的模糊數(shù)形式和λ-截集
以X8 為例，4 位專家分別給出的評價(jià)結(jié)果依次是：“較低”“較低”“較高”“中等”。然后，為了得出更精準(zhǔn)的發(fā)生概率，本文將基于4 位專家的評判結(jié)果進(jìn)行綜合評判進(jìn)而計(jì)算出 X8 的平均模糊數(shù)，計(jì)算過程如下：
根據(jù)公式（5）、公式（6）、公式（7）得：
根據(jù)公式（8）、公式（9）得：
P(X8)=0.003 2。
同理可得其他根節(jié)點(diǎn)概率如表3所示，將經(jīng)過分析后的數(shù)據(jù)進(jìn)行整理輸入到GeNIe 軟件中得：P(T=1)=0.144 2，即該危化品停車場槽罐車泄漏概率為0.144 2。
表3 根節(jié)點(diǎn)概率表
4 結(jié)束語
本文首先基于事故樹找出導(dǎo)致槽罐車泄漏的原因，進(jìn)一步通過貝葉斯網(wǎng)絡(luò)的條件概率計(jì)算方法演算出事故發(fā)生的概率，在整個(gè)過程中一定程度上解決了本文探究的影響槽罐車泄漏的影響因素的量化問題，并在探討過程中充分考慮并降低了使用事故樹分析過程中出現(xiàn)的不確定性和模糊性。
本文在探究過程中也存在著一定的缺陷，值得未來進(jìn)行深入思考。本文中只基于導(dǎo)致事故產(chǎn)生的因素進(jìn)行分析，而未進(jìn)一步的揭露各風(fēng)險(xiǎn)因素之間的作用關(guān)系。因此，在未來的探究過程中，應(yīng)該結(jié)合案例情景進(jìn)一步分析?；吠＼噲霾酃捃囆孤┦鹿试诓煌膱鼍跋碌臄?shù)學(xué)期望值，最終得出最容易導(dǎo)致事故的場景并提出相關(guān)建議。
猜你喜歡
江蘇安全生產(chǎn)(2022年8期)2022-11-01 09:14:48
江蘇安全生產(chǎn)(2021年8期)2021-11-05 08:14:52
水上消防(2020年4期)2021-01-04 01:51:18
鐵道通信信號(2020年5期)2020-09-21 09:21:50
中國安全生產(chǎn)科學(xué)技術(shù)(2018年4期)2018-05-08 09:16:17
數(shù)理化解題研究(2017年4期)2017-05-04 04:07:54
鐵道通信信號(2016年6期)2016-06-01 12:10:20
電子器件(2015年5期)2015-12-29 08:43:15
鄭州大學(xué)學(xué)報(bào)(理學(xué)版)(2014年2期)2014-03-01 04:20:49
