一种基于多态模糊贝叶斯网络的井架定量风险评估方法与流程

本发明涉及井架风险评估，尤其涉及一种基于多态模糊贝叶斯网络的井架定量风险评估方法。

背景技术：

1、井架是海洋钻修机提升系统中主要的承载结构，是用于钻井、完井、修井作业中起下钻具及油套管等工序的关键设备。井架在长期的作业过程中，会出现锈蚀、裂纹、变形、紧固件松动、结构失稳、滑轮槽和轴承磨损等风险，这些风险因素的存在，增加了井架安全事故发生的可能性。一旦出现井架安全生产事故，将会导致井架结构设备损伤、造成工期延误和财产损失、甚至会造成人员伤亡的后果。因此，对井架生产作业过程中存在的风险因素进行分析，分析找出导致井架事故发生的底层事件，从而采取有效的措施来降低井架安全事故发生的可能性，具有重大的工程意义。

2、目前，国内外众多学者在不同的领域，开展了大量的风险评估研究工作，形成了多种风险评估方法和评估模型。其中最常用的就是事故树分析法(fta)和层次分析法(ahp)。事故树分析法的优势在于能够系统的找出导致事故发生的潜在风险因素，也可以用于定量计算顶事件发生的概率。事故树分析法的局限在于其属于静态分析法，无法实现对事件状态的多态性进行分析，不能进行逆向推理，无法得出顶事件发生时各个节点事件的后验概率。层析分析法的优点在于将定性和定量方法有机结合，得到各方案相对于总目标的相对权重，权重越高表明越重要。层次分析法的局限性在于其也属于静态分析方法，其定量数据较少，定性成分居多，主观因素占比大，当指标过多时，计算量大，权重难以确定。

3、此外，井架在长期作业过程中，各节点的失效概率也会发生改变。井架作业风险具有复杂性、动态性、模糊性和多态性等特点，传统的风险评价方法不适用于井架安全事故风险评估。对于井架的安全风险评估，目前主要还集中在事故前的风险分析、安全检查表法和预先危险分析法等一些定性分析法，定量分析较少，其定量分析也都是静态分析。因此，提出一种能适用于井架安全风险评估的多态模糊定量分析方法，实现对井架作业全过程的动态安全风险评估，具有重大的工程意义。

技术实现思路

1、针对上述井架作业风险存在复杂性、动态性、模糊性和多态性的特点，现有的风险评价方法无法满足井架作业风险的特性，无法实现井架作业全过程的动态风险定量评估。基于此，本发明提出了一种基于多态模糊贝叶斯网络的井架定量风险评估方法，融合事故树、模糊集理论和贝叶斯网络，通过贝叶斯映射算法，将井架事故树模型转换成多态模糊的贝叶斯网络模型，实现了井架作业全过程的动态定量风险评估。

2、为达到上述目的，本发明的技术方案是这样实现的：一种基于多态模糊贝叶斯网络的井架定量风险评估方法，包括以下步骤：

3、步骤s1，获取井架作业全过程安全风险因素；

4、步骤s2，构建井架安全风险事故树；

5、步骤s3，构建井架作业全过程风险贝叶斯网络模型；

6、步骤s4，获取贝叶斯网络模型根节点先验概率；

7、步骤s5，建立井架安全事故的贝叶斯网络概率参数化模型；

8、步骤s6，进行井架安全事故贝叶斯网络模型的逆向推理分析。

9、进一步的，所述步骤s1具体为，井架作业全过程的安全风险因素，通过现场安全检查、文献调研或井架风险评估报告这些方式来获取。

10、进一步的，所述步骤s2具体为，基于井架作业全过程存在的风险因素，按照风险因素之间的逻辑对应关系，对风险因素进行分类，分为顶事件、中间事件和基本事件，梳理风险因素之间的逻辑关系，构建井架风险事故树。

11、进一步的，所述步骤s3具体为，通过贝叶斯映射算法，将井架事故树模型转换成井架事故贝叶斯网络模型；

12、贝叶斯映射算法应用时，事故树模型中的基本事件对应贝叶斯网络模型的根节点，事故树模型中的中间事件对应贝叶斯网络模型的中间节点，事故树模型中的顶事件对应贝叶斯网络模型的叶节点。

13、进一步的，所述步骤s4具体为，根节点先验概率通过统计历史数据来获取，对于可获取数据较少或者难以获取的数据，无法得到贝叶斯网络参数精确概率值的情况下，借助模糊集理论，通过该领域的专家对根节点事件发生的情况进行评判，将专家使用的自然语言评价转换成模糊数，最后进行综合分析得到较为准确的根节点事件的先验概率值。

14、进一步的，通过梯形模糊数实现语言变量的定量数学表达，模糊集理论的应用如下所示：

15、

16、其中，μ(x)为隶属度函数，即对任何x∈u，都有一个数μ(x)∈[0,1]与之对应，μ(x)称为x对u的隶属度，μ称为x的隶属函数；a,b,c,d为梯形隶属度函数的拐点横坐标；

17、依据行业习惯或规范制定概率分级标准，将概率分级分为：很低、低、较低、一般、较高、高、很高，基于梯形模糊集理论，形成概率评价模糊集合，专家通过评价术语表达观点；

18、将专家使用的自然语言评价转换成模糊数，其转换规则如下：

19、当自然语言变量为很低时，对应的梯形模糊数为(0，0.1，0.1，0.2)；

20、当自然语言变量为低时，对应的梯形模糊数为(0.1，0.2，0.2，0.3)；

21、当自然语言变量为较低时，对应的梯形模糊数为(0.2，0.3，0.4，0.5)；

22、当自然语言变量为一般时，对应的梯形模糊数为(0.4，0.5，0.5，0.6)；

23、当自然语言变量为较高时，对应的梯形模糊数为(0.5，0.6，0.7，0.8)；

24、当自然语言变量为高时，对应的梯形模糊数为(0.7，0.8，0.8，0.9)；

25、当自然语言变量为很高时，对应的梯形模糊数为(0.8，0.9，1.0，1.0)；

26、根节点事件的先验概率值计算过程如下：

27、首先，专家对某根节点事件做出评估，对应模糊数为fi＝(ai,bi,ci,di)，应用均值面积法对模糊数进行处理，得到专家评估值fi，表达式如下：

28、

29、其次，计算专家评估模糊数的算术平均值fj＝(aj,bj,cj,dj)：

30、

31、再次，计算fi和fj之间的算术平均值的距离测度d(fi,fj):

32、

33、然后，计算fi和fj二者相似度s(fi,fj)：

34、

35、接着，计算每个专家评估的模糊数的权重wi：

36、

37、最后，计算各个根节点事件的先验概率值p：

38、

39、式中，ai,bi,ci,di，为不同专家自然语言变量对应的模糊数，aj,bj,cj,dj为不同专家评估模糊数的算术平均值,n为评价的专家人数。

40、进一步的，所述步骤s5具体为，基于模糊集理论确定的各根节点风险因素的先验概率值，以及事故树逻辑门转换的条件概率，求解各个中间节点的发生概率，最终求得叶节点的概率；

41、基于贝叶斯全概率公式，结合事故树逻辑门转换为贝叶斯条件概率的逻辑，求得中间节点和叶节点发生概率；

42、贝叶斯全概率公式为：

43、p(a)＝p(a|b1)p(b1)+p(a|b2)p(b2)+…p(a|bi)p(bi)

44、式中，p(a)为事件a发生的边缘概率或全概率；p(a|bi)为事件b发生的前提下事件a发生的概率，即后验概率；p(bi)为事件b发生的概率，即先验概率；

45、引入genie软件进行井架安全事故贝叶斯网络的计算，完成井架贝叶斯网络的概率参数建模。

46、进一步的，所述步骤s6中，井架安全事故贝叶斯网络模型的逆向推理分析是在确定了某个节点风险事件100％发生的情况下，对与之有逻辑对应关系的各个节点风险事件的后验概率进行逆向推理运算；

47、其后验概率计算公式如下：

48、

49、式中，p(xi＝y|t＝y)为事件t发生的前提下，事件x发生的概率，即后验概率；p(xi)为事件x发生的概率，即先验概率；p(t＝y|xi＝y)为事件x发生的前提下，事件t发生的概率。

50、进一步的，通过genie软件计算各个事件的后验概率，针对性的制定井架作业过程的风险管控措施，降低事故发生的概率。

51、相对于现有技术，本发明所述的一种基于多态模糊贝叶斯网络的井架定量风险评估方法具有以下优势：

52、(1)现有的井架安全风险评估大多集中在定性风险评估，本发明所述方法提出了一种定量风险评估，通过本发明所述方法的模型，可以获得井架作业全过程的风险事件发生概率，实现井架作业全过程的风险管控；

53、(2)现有的风险评估方法大多是静态分析法，无法捕捉井架作业过程安全风险因素的动态变化，本发明所述方法提出的是一种基于贝叶斯网络的动态风险评估法，可以满足井架作业全过程的风险因素动态变化；

54、(3)本发明所述方法引入了模糊集理论，将专家的自然语言评价结果转换成了模糊数，从而对井架作业全过程的各项风险事件的发生概率做出系统性的评估，形成了模糊多态井架安全事故的贝叶斯网络模型；

55、(4)本发明提出了一种基于多态模糊贝叶斯网络的井架定量风险评估方法，融合事故树、模糊集理论和贝叶斯网络，通过贝叶斯映射算法，将井架事故树模型转换成模糊多态的贝叶斯网络模型，实现了井架作业全过程的动态定量风险评估；

56、(5)本发明所述方法提出的贝叶斯网络模型具有双向推理的功能，正向推理可计算出叶节点事件的发生概率，逆向推理可以用于衡量各个根节点和中间节点对叶节点事件的贡献程度，为井架作业全过程提供相应的风险管控措施，降低降价安全事故的发生概率，对保障经济财产和人身安全具有重大意义；

57、(6)本发明所述方法具有普适性。基于多态模糊贝叶斯网络的井架定量风险评估方法，不仅可以用于井架作业全过程的风险分析，还可以用于其他复杂项目的风险评估工作。