白玉貴,蔣雯麗,秦琪偉,龍彥宏,馬家驥,姜驍
(蘭州新區(qū)市政研究院,甘肅 蘭州 730300)
城市燃?xì)夤芫W(wǎng),是城市管網(wǎng)的重要組成部分,我國(guó)城市管網(wǎng)建設(shè)還不夠健全,隨著城市的快速發(fā)展,城市管網(wǎng)的建設(shè)規(guī)模逐漸擴(kuò)增,伴隨著城市管網(wǎng)的安全隱患也隨之出現(xiàn),包括管網(wǎng)泄漏導(dǎo)致的燃燒、爆炸、中毒等危險(xiǎn)性,燃?xì)獍l(fā)生泄漏會(huì)使用戶(hù)生命安全受到威脅、財(cái)產(chǎn)損失等后果出現(xiàn),為保障用戶(hù)的財(cái)產(chǎn)生命安全,需不斷健全管網(wǎng)建設(shè)。文獻(xiàn)[1]基于貝葉斯網(wǎng)絡(luò),提出一種分析燃?xì)夤芫W(wǎng)動(dòng)態(tài)風(fēng)險(xiǎn)的方法,通過(guò)構(gòu)建管網(wǎng)失效蝴蝶結(jié)模型,實(shí)時(shí)更新事故失效概率,實(shí)現(xiàn)管網(wǎng)風(fēng)險(xiǎn)分析的動(dòng)態(tài)化。文獻(xiàn)[2]基于貝葉斯網(wǎng)絡(luò)并結(jié)合GIS技術(shù),構(gòu)建燃?xì)夤芫W(wǎng)泄漏動(dòng)態(tài)計(jì)算模型,并驗(yàn)證該模型有效性。文獻(xiàn)[3]基于貝葉斯網(wǎng)絡(luò)模型,評(píng)價(jià)城市燃?xì)夤芫W(wǎng)的泄漏失效性,建立模型并確定節(jié)點(diǎn)變量的條件概率,定量計(jì)算燃?xì)夤芫W(wǎng)泄漏失效可能性?;谪惾~斯網(wǎng)絡(luò)的城市燃?xì)夤芫W(wǎng)泄漏事故的預(yù)測(cè)與分析,研究城市燃?xì)夤芫W(wǎng)的泄漏過(guò)程,并構(gòu)建城市燃?xì)夤芫W(wǎng)泄漏事故網(wǎng)絡(luò)模型,進(jìn)行燃?xì)夤芫W(wǎng)泄漏事故后果的預(yù)測(cè)與分析,并通過(guò)貝葉斯網(wǎng)絡(luò)模型進(jìn)行案例分析,對(duì)比模型預(yù)測(cè)結(jié)果與事故實(shí)際后果情況,證實(shí)該貝葉斯網(wǎng)絡(luò)模型,適用于城市燃?xì)夤芫W(wǎng)泄漏事故后果的預(yù)測(cè)與分析。
貝葉斯網(wǎng)絡(luò)(Bayesian network,BN),是一種概率圖型模型[4]??赏ㄟ^(guò)貝葉斯網(wǎng)絡(luò)模型表示事件間的因果關(guān)系,其因果關(guān)系一般通過(guò)有向弧進(jìn)行表示,而有向弧由節(jié)點(diǎn)變量與邊組成。下面介紹貝葉斯公式的定義,設(shè)某一事件的兩個(gè)隨機(jī)變量,分別為ψ與η,其中ψ=υ是對(duì)事件的某一假設(shè);η=ω是對(duì)事件的某一證據(jù)。先驗(yàn)概率是在不考慮η=ω之前,ψ=υ發(fā)生的概率。后驗(yàn)概率是在考慮η=ω對(duì)ψ=υ的影響后,得到的概率P(ψ=υ/η=ω)。貝葉斯公式定義如下:
(1)
其中,P(η=ω|ψ=υ)為假設(shè)事件ψ=υ的似然度。
貝葉斯網(wǎng)絡(luò)一般用于不確定性事件的概率分析,其可以根據(jù)不完全、不確定信息做出推理,用概率積分進(jìn)行表示,如下式:
P(AB)=P(B)P(A|B)=P(A)P(B|A)
(2)
上式(1)中,事件A和事件B同時(shí)發(fā)生的概率用P(AB)進(jìn)行表示;在事件B條件下,事件A發(fā)生的概率用P(A|B)進(jìn)行表示;在事件A條件下,事件B發(fā)生的概率用P(B|A)進(jìn)行表示。利用式(1)與全概率公式可轉(zhuǎn)化得到貝葉斯公式,即:
P(B|A)=P(AB)P(A)=P(B)P(A|B)/P(A)
(3)
假設(shè)B1,B2,…,Bi為一個(gè)樣本空間,則式(3)可轉(zhuǎn)化為式(4)如下所示:
P(Bi|A)=P(AB1)/P(A)
=P(Bi)P(A|B1)/P(A)
=P(Bi)P(A|Bi)/∑[P(Bi)P(A|Bi)]
(4)
為研究城市燃?xì)夤芫W(wǎng)泄漏事故后果的預(yù)測(cè)與分析,預(yù)防安全隱患的發(fā)生,針對(duì)傳統(tǒng)管網(wǎng)泄漏事故分析方法的局限性,基于城市燃?xì)夤芫W(wǎng)泄漏事故故障樹(shù)、事件樹(shù),建立事故蝶形圖模型,并將其轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò),通過(guò)貝葉斯網(wǎng)絡(luò)能夠解決不確定性問(wèn)題的屬性,研究城市燃?xì)夤芫W(wǎng)泄漏事故的泄漏過(guò)程。下面利用事故蝶形圖進(jìn)行分析,描述事故風(fēng)險(xiǎn)從發(fā)生原因,到造成事故的多條路徑。通過(guò)分析事故故障樹(shù)、事件樹(shù),可描述出事故發(fā)生演化的全過(guò)程,蝶形圖可看作是故障樹(shù)與事件樹(shù)的集合體。基于貝葉斯網(wǎng)絡(luò)的城市燃?xì)夤芫W(wǎng)泄漏事故研究的分析步驟如圖1所示:
圖1 基于貝葉斯網(wǎng)絡(luò)的城市燃?xì)夤芫W(wǎng)泄漏事故研究的分析步驟
(1)基于故障樹(shù)的城市燃?xì)夤芫W(wǎng)泄漏原因分析
分析城市燃?xì)夤芫W(wǎng)的泄漏原因,包括燃燒爆炸規(guī)模、擴(kuò)散模式、人為因素等三個(gè)方面。故障樹(shù)是通過(guò)對(duì)特定事件發(fā)生的各種原因事件,以及相互關(guān)系的分析,利用邏輯口連接構(gòu)成的樹(shù)圖?;诠收蠘?shù),其事件間的關(guān)系包括因果與邏輯關(guān)系,一般通過(guò)邏輯口進(jìn)行表示,其用于連接輸入事件與輸出事件[5]。
(2)基于故障樹(shù)的城市燃?xì)夤芫W(wǎng)泄漏后果分析
傳統(tǒng)的城市燃?xì)夤芫W(wǎng)泄漏事故,一般根據(jù)燃?xì)夤芫W(wǎng)的泄漏尺寸、形狀以及引起的火災(zāi)類(lèi)型等相關(guān)數(shù)據(jù),進(jìn)行泄漏事故后果的預(yù)測(cè)與分析。管網(wǎng)泄漏事故包含許多不確定性,考慮到其隨機(jī)性、不確定性及片面性。因此將貝葉斯網(wǎng)絡(luò)應(yīng)用到城市燃?xì)夤芫W(wǎng)泄漏事故中,充分發(fā)揮其強(qiáng)大的推理功能。
城市燃?xì)夤芫W(wǎng)發(fā)生泄漏時(shí),當(dāng)泄漏濃度到達(dá)燃燒極值,遇到火源容易發(fā)生燃爆事故。點(diǎn)燃時(shí)間不同可分為立即點(diǎn)燃與延遲點(diǎn)燃。立即點(diǎn)燃會(huì)形成火球,其特點(diǎn)破壞范圍小,但破壞性強(qiáng),可迅速破壞事故現(xiàn)場(chǎng);延遲點(diǎn)燃會(huì)造成蒸汽云爆炸,其特點(diǎn)是破壞范圍大,并且毀滅能力較強(qiáng)。
(3)基于城市燃?xì)夤芫W(wǎng)泄漏事故的蝶形圖模型的建立
將城市燃?xì)夤芫W(wǎng)泄漏事故的故障樹(shù),與事件樹(shù)連接可構(gòu)成蝶形圖模型,其左半部分為事故發(fā)生的原因,右半部分為事故發(fā)生造成的后果。通過(guò)蝶形圖模型,能夠描述城市燃?xì)夤芫W(wǎng)泄漏事故發(fā)生的全過(guò)程,為預(yù)防城市燃?xì)夤芫W(wǎng)泄漏事故的發(fā)生,構(gòu)建貝葉斯網(wǎng)絡(luò),分析事故發(fā)生的概率,構(gòu)建的城市燃?xì)夤芫W(wǎng)泄漏事故的蝶形圖模型如圖2所示[6]。
圖2 城市燃?xì)夤芫W(wǎng)泄漏事故的蝶形圖模型
結(jié)合故障樹(shù)與事件樹(shù),對(duì)影響城市燃?xì)夤芫W(wǎng)泄漏事故的所有因素,以及造成的后果進(jìn)行辨析,結(jié)合故障樹(shù)與事件樹(shù),建立事故蝶形圖,并轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò),確定網(wǎng)絡(luò)節(jié)點(diǎn)變量的值域,通過(guò)專(zhuān)業(yè)人員對(duì)歷史事故的統(tǒng)計(jì)、分析與判斷,確定事件的失效概率,建立條件概率表[7]。
貝葉斯網(wǎng)絡(luò)模型的構(gòu)建方法,一般主要包括兩種構(gòu)建方法:第一種是通過(guò)數(shù)據(jù)學(xué)習(xí)進(jìn)行構(gòu)建;第二種是有效數(shù)據(jù)缺乏的情況下,進(jìn)行手動(dòng)構(gòu)建。由于城市燃?xì)夤芫W(wǎng)泄漏事故概率的研究,其缺乏大量數(shù)據(jù)樣本,因此將選取第二種方法進(jìn)行構(gòu)建貝葉斯網(wǎng)絡(luò)模型?;诔鞘腥?xì)夤芫W(wǎng)泄漏事故的蝶形圖,結(jié)合貝葉斯網(wǎng)絡(luò)的推理能力,構(gòu)建網(wǎng)絡(luò)模型,該模型至左向右分別為事故輸入層、事故、事故輸出層,其包括兩層因果關(guān)系分別是:致因因素與事故、事故與事故后果。城市燃?xì)庑孤┦鹿实呢惾~斯網(wǎng)絡(luò)模型的構(gòu)建步驟如下:
(1)網(wǎng)絡(luò)節(jié)點(diǎn)變量的確定
依據(jù)故障樹(shù)與事件樹(shù),建立蝶形圖的各節(jié)點(diǎn)變量,對(duì)其做相應(yīng)處理,并結(jié)合歷史事故資料進(jìn)行確定網(wǎng)絡(luò)節(jié)點(diǎn)變量。
(2)蝶形圖左端故障樹(shù)向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化
故障樹(shù)中的基本事件,對(duì)應(yīng)貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)變量;故障樹(shù)中基本事件間的連接,對(duì)應(yīng)貝葉斯網(wǎng)絡(luò)中節(jié)點(diǎn)變量間的相互連接;故障樹(shù)基本事件的失效概率,對(duì)應(yīng)于貝葉斯網(wǎng)絡(luò)中節(jié)點(diǎn)變量的先驗(yàn)概率;故障樹(shù)中的邏輯門(mén),對(duì)應(yīng)貝葉斯網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的連接強(qiáng)度。
(3)蝶形圖右端事件樹(shù)向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化
事件序列中每個(gè)基本事件建立相應(yīng)的節(jié)點(diǎn)變量,根據(jù)事故產(chǎn)生的后果,確定貝葉斯網(wǎng)絡(luò)中節(jié)點(diǎn)變量的狀態(tài)空間,依據(jù)事件樹(shù)的邏輯關(guān)系,將各節(jié)點(diǎn)變量通過(guò)有向邊連接為貝葉斯網(wǎng)絡(luò),構(gòu)建的城市燃?xì)夤芫W(wǎng)泄漏事故的貝葉斯初始網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示。
圖3 貝葉斯初始網(wǎng)絡(luò)結(jié)構(gòu)圖
(1)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量值域的確定
收集近幾年國(guó)內(nèi)外典型的燃?xì)夤芫W(wǎng)泄漏事故調(diào)查報(bào)告,進(jìn)行確定泄漏事故的樣本數(shù)據(jù),以及各節(jié)點(diǎn)變量的值域[8]?;谪惾~斯網(wǎng)絡(luò)的城市燃?xì)夤芫W(wǎng)泄漏事故模型的后果節(jié)點(diǎn)變量設(shè)定為火球、蒸汽云爆炸爆燃與噴射火焰三種狀態(tài)。依據(jù)統(tǒng)計(jì)的樣本數(shù)據(jù),結(jié)合城市燃?xì)夤芫W(wǎng)泄漏事故相關(guān)文獻(xiàn)的分析,確定網(wǎng)絡(luò)節(jié)點(diǎn)變量的值域。城市燃?xì)夤芫W(wǎng)泄漏容易造成相應(yīng)的衍生事故,需計(jì)算其發(fā)生的點(diǎn)火概率,即立即點(diǎn)火與延遲點(diǎn)火的概率。點(diǎn)火概率受泄漏氣體本身的可燃性、點(diǎn)火源以及安全屏障等因素的影響,延遲點(diǎn)火還會(huì)受到泄漏氣體云團(tuán)的擴(kuò)散方向以及濃度等因素的影響。通過(guò)事故相關(guān)調(diào)查報(bào)告的詳細(xì)研究,邀請(qǐng)長(zhǎng)期從事燃?xì)庀嚓P(guān)工作的專(zhuān)業(yè)人員,進(jìn)行評(píng)價(jià)分析變量之間的影響程度,分別給出影響程度評(píng)分值。采用軟件Genie 2.0提供的學(xué)習(xí)算法,構(gòu)建機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù),當(dāng)城市燃?xì)夤芫W(wǎng)泄漏事故發(fā)生的概率確定時(shí),需對(duì)事件樹(shù)中各分支事件的點(diǎn)火概率進(jìn)行取值,貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量以及值域的確定如表1所示。
貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)變量以及值域的確定 表1
(2)貝葉斯網(wǎng)絡(luò)條件概率表
以節(jié)點(diǎn)變量爆炸燃燒規(guī)模為網(wǎng)絡(luò)參數(shù)的獲取為例,事故的燃燒爆炸規(guī)模屬于大型爆燃,網(wǎng)絡(luò)參數(shù)取值為2,根據(jù)該取值方法,進(jìn)行樣本數(shù)據(jù)的統(tǒng)計(jì),由于篇幅原因此處不再詳細(xì)列出每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)樣本數(shù)據(jù)表。以節(jié)點(diǎn)變量人為因素為例,通過(guò)分析該節(jié)點(diǎn)變量的樣本數(shù)據(jù),獲取樣本數(shù)據(jù)統(tǒng)計(jì)表如表2所示。
樣本數(shù)據(jù)部分統(tǒng)計(jì)表 表2
P(X4=1)=P(X4=1|X1=1,X2=1,X3=1)·P(X1=1)·P(X2=1)·P(X3=1)
+P(X4=1|X1=1,X2=1,X3=2)·P(X1=1)·P(X2=1)·P(X3=2)
+P(X4=1|X1=1,X2=2,X3=2)·P(X1=1)·P(X2=2)·P(X3=1)
+P(X4=1|X1=1,X2=2,X3=2)·P(X1=1)·P(X2=2)·P(X3=2)
+P(X4=1|X1=2,X2=1,X3=1)·P(X1=2)·P(X2=1)·P(X3=1)
+P(X4=1|X1=2,X2=1,X3=2)·P(X1=2)·P(X2=1)·P(X3=1)
+P(X4=1|X1=2,X2=1,X3=2)·P(X1=2)·P(X2=1)·P(X3=2)
+P(X4=1|X1=2,X2=2,X3=1)·P(X1=2)·P(X2=2)·P(X3=1)
+P(X4=1|X1=2,X2=2,X3=2)·P(X1=2)·P(X2=2)·P(X3=2)=0.522
基于燃?xì)夤芫W(wǎng)相關(guān)網(wǎng)站公開(kāi)發(fā)布的城市燃?xì)夤芫W(wǎng)泄漏事故信息,可通過(guò)采樣統(tǒng)計(jì)法,進(jìn)行采集、分析相關(guān)數(shù)據(jù)信息,調(diào)查近十年政府公開(kāi)發(fā)布的燃?xì)夤芫W(wǎng)泄漏事故相關(guān)資料,獲取燃?xì)夤芫W(wǎng)泄漏的相關(guān)數(shù)據(jù)信息,利用貝葉斯網(wǎng)絡(luò)強(qiáng)大的推理能力,進(jìn)行事故后果的數(shù)據(jù)分析與推理計(jì)算[9]。
(1)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化
由于樣本數(shù)據(jù)量缺乏全面性,節(jié)點(diǎn)選取主要依據(jù)人的主觀(guān)性,通過(guò)軟件機(jī)器學(xué)習(xí)構(gòu)建的貝葉斯初始網(wǎng)絡(luò)結(jié)構(gòu),其缺乏客觀(guān)性。貝葉斯初始網(wǎng)絡(luò)結(jié)構(gòu)圖的構(gòu)建過(guò)程中,某些節(jié)點(diǎn)變量間的邏輯關(guān)系存在爭(zhēng)議,需重新分析并診斷節(jié)點(diǎn)變量之間的邏輯關(guān)系,實(shí)現(xiàn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化[10]。進(jìn)行優(yōu)化后的城市燃?xì)夤芫W(wǎng)泄漏事故的貝葉斯網(wǎng)絡(luò)圖,如圖4所示。
圖4 優(yōu)化后的城市燃?xì)夤芫W(wǎng)泄漏事故的貝葉斯網(wǎng)絡(luò)圖
(2)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)更新
造成城市燃?xì)夤芫W(wǎng)泄漏事故的因素,包含許多不確定性與隨機(jī)性,導(dǎo)致事件后果出現(xiàn)不同程度的影響。將造成事故的不確定因素轉(zhuǎn)化為節(jié)點(diǎn)變量,加入貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中,刪除對(duì)事件后果影響較小的節(jié)點(diǎn)變量,更新貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn),優(yōu)化貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。優(yōu)化貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)時(shí),需結(jié)合相關(guān)專(zhuān)業(yè)人員的意見(jiàn),重新調(diào)整貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),不斷優(yōu)化貝葉斯網(wǎng)絡(luò)模型。應(yīng)用GeNIE2.0軟件,依據(jù)管網(wǎng)泄漏事故發(fā)生情況的詳細(xì)記錄,結(jié)合后期對(duì)事故詳情的調(diào)查,對(duì)泄漏事故產(chǎn)生的后果模型相關(guān)信息進(jìn)行更新,具體包括網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)更新,進(jìn)行貝葉斯網(wǎng)絡(luò)動(dòng)態(tài)應(yīng)用。某些節(jié)點(diǎn)變量之間的隱藏邏輯關(guān)系,可通過(guò)事故的發(fā)展過(guò)程進(jìn)行確定,網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點(diǎn)變量的增加與刪除,會(huì)形成節(jié)點(diǎn)變量之間新的邏輯關(guān)系。因此,需不斷更新貝葉斯網(wǎng)絡(luò)參數(shù)、調(diào)整貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),動(dòng)態(tài)優(yōu)化貝葉斯網(wǎng)絡(luò)模型,實(shí)現(xiàn)事故發(fā)生造成后果的正確預(yù)測(cè)與分析?;谲浖礼eNIE2.0,進(jìn)行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)的調(diào)整、更新,節(jié)點(diǎn)變量參數(shù)的輸入如圖5所示。
圖5 節(jié)點(diǎn)變量參數(shù)輸入
管網(wǎng)壓力值、周邊環(huán)境等出現(xiàn)異常時(shí),需更新貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量參數(shù),應(yīng)用貝葉斯網(wǎng)絡(luò)的推理功能,獲取節(jié)點(diǎn)變量的先驗(yàn)概率與后驗(yàn)概率。以2020年9月1日四川省南充市發(fā)生的燃?xì)獗ㄊ鹿蕿槔?,?jīng)分析研究該燃?xì)獗ǖ南嚓P(guān)資料,了解到該爆炸事故死亡人數(shù)為3人,受輕傷人數(shù)為2人,事故造成的經(jīng)濟(jì)損失高達(dá)270余萬(wàn)元。經(jīng)詳細(xì)調(diào)查,造成該爆炸事故的直接原因是:松海小區(qū)內(nèi)某幢某廚房?jī)?nèi)燃?xì)夤芫W(wǎng)泄漏,泄漏氣體形成氣團(tuán)云,經(jīng)擴(kuò)散至某一房間內(nèi)下層,形成爆炸混合性氣體,遇到房間內(nèi)不明火源,導(dǎo)致瞬間爆燃,造成較大型爆炸事故。將上述燃?xì)廨^大爆炸事故應(yīng)用到城市燃?xì)庑孤┦鹿实呢惾~斯網(wǎng)絡(luò)模型中,進(jìn)行泄漏事故后果的預(yù)測(cè)與分析。依據(jù)當(dāng)日燃?xì)夤芫W(wǎng)的燃?xì)鈧鬏斄?、管網(wǎng)壓力值的變化,以及管網(wǎng)的裂縫狀態(tài),可進(jìn)行預(yù)測(cè)當(dāng)日燃?xì)夤芫W(wǎng)的泄漏量,依據(jù)當(dāng)日燃?xì)獗ㄊ鹿是闆r的詳細(xì)記錄,分析該燃?xì)夤芫W(wǎng)泄漏事故泄漏氣體的擴(kuò)散模式,屬于連續(xù)擴(kuò)散。通過(guò)事故發(fā)展全過(guò)程的詳細(xì)記錄,對(duì)獲得的有效信息進(jìn)行評(píng)估分析。貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量的先驗(yàn)與后驗(yàn)概率如表3所示。
貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量的先驗(yàn)概率與后驗(yàn)概率 表3
應(yīng)用城市燃?xì)馐鹿屎蠊u(píng)價(jià)的貝葉斯網(wǎng)絡(luò)模型,進(jìn)行對(duì)比貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量的先驗(yàn)與后驗(yàn)概率,得到四川省南充市燃?xì)獗ㄊ鹿屎蠊念A(yù)測(cè)結(jié)果:人為因素影響干預(yù)小、燃燒爆炸規(guī)模預(yù)測(cè)為局部爆炸、擴(kuò)散模式預(yù)測(cè)為連續(xù)擴(kuò)散、事故相關(guān)人數(shù)預(yù)測(cè)范圍為0人~40人、消防設(shè)施情況預(yù)測(cè)為設(shè)施部分損壞、事故死亡人數(shù)范圍預(yù)測(cè)為0人~5人、經(jīng)濟(jì)財(cái)產(chǎn)損失狀況為2~10(百萬(wàn)元)等。將上述事故后果預(yù)測(cè)結(jié)果與事故實(shí)際后果進(jìn)行對(duì)比分析如表4所示,可以看出事故預(yù)測(cè)結(jié)果與實(shí)際后果符合程度較高。
事故后果預(yù)測(cè)結(jié)果與事故實(shí)際后果對(duì)比分析表 表4
針對(duì)近十年多起城市燃?xì)夤芫W(wǎng)泄漏事件調(diào)查報(bào)告,基于貝葉斯網(wǎng)絡(luò),進(jìn)行城市燃?xì)夤芫W(wǎng)泄漏事故的預(yù)測(cè)與分析。首先,選取貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中的節(jié)點(diǎn)變量,及相關(guān)值域的確定,構(gòu)建貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)變量條件概率表,建立城市燃?xì)夤芫W(wǎng)泄漏事故后果評(píng)價(jià)的貝葉斯網(wǎng)絡(luò)模型;其次,基于貝葉斯網(wǎng)絡(luò)初始結(jié)構(gòu)圖,專(zhuān)業(yè)人員進(jìn)行評(píng)價(jià)分析,基于影響程度給出相應(yīng)的評(píng)分值,優(yōu)化貝葉斯初始網(wǎng)絡(luò)。結(jié)合貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),應(yīng)用樣本統(tǒng)計(jì)法,計(jì)算節(jié)點(diǎn)變量的條件與狀態(tài)概率,并將其導(dǎo)入GeNIE2.0軟件構(gòu)建的貝葉斯網(wǎng)絡(luò)中,建立燃?xì)庑孤┦鹿屎蠊u(píng)價(jià)的貝葉斯網(wǎng)絡(luò)模型;最后通過(guò)不斷更新貝葉斯網(wǎng)絡(luò)模型,實(shí)現(xiàn)基于貝葉斯網(wǎng)絡(luò)的城市燃?xì)庑孤┦鹿屎蠊念A(yù)測(cè)與分析。