基于云模型的船舶溢油风险综合评价研究

潘　辉

(武汉交通职业学院　武汉　430065)

基于云模型的船舶溢油风险综合评价研究

潘辉

(武汉交通职业学院武汉430065)

摘要：采用云模型和德尔菲法为每个评价指标赋权重云，利用正态云对评价标准进行云转换得到评价等级云模型，应用正态云拟合运算规则得到综合评价结果云.通过实例分析，表明该评价模型能更好方便而准确地解决船舶溢油风险综合评价过程中的模糊性和随机性量化问题.

关键词：水路运输；船舶溢油；风险综合评价；云模型

潘辉(1979- )：男，硕士，讲师，主要研究领域为航海技术、海事管理、交通管理工程

0引言

目前，常用于溢油风险综合评价的方法有灰色模型、层次分析法、熵权法、综合安全评估法、模糊综合评价法，如陈维[1]采用综合安全评估法对上海港1999～2009年船舶污染事故中各遗漏类型引发污染事故的风险进行了评估，确定了船舶污染作业类型的风险程度，并根据实际情况有针对性地采取预控措施消除事故隐患；陈卓欧等[2]综合利用熵权法和指标量纲数的量化处理方法，建立了溢油风险评价体系，实现了对三峡库区船舶溢油的定量评估；肖景坤[3]结合灰色系统理论和层次分析理论建立了船舶溢油潜势判定的灰色多层次评价模型.王江[4]采用模糊综合评价和层次分析法对海域船舶溢油风险进行了评价，并以青岛海域夏季为例进行了风险评价验证了该评价方法的可行性.

云模型[5-8]作为不确定性人工智能的重要理论和工具，把空间实体的模糊性和随机性集成到一起，能够较好地处理定性定量信息的相互转换.鉴于此，笔者结合影响船舶海上溢油风险的各指标对船舶海上溢油风险进行综合评价，应用云模型解决船舶海上溢油风险评价过程中的模糊性和随机性问题，以使评价结果更倾向人们的判断.

1云模型基本理论

1.1云模型概念

设U是一个用精确数值表示的定量论域，C是U上的定性概念，若定量值x∈U,且x是定性概念C的一次随机实现，x对C的确定度μ(x)∈[0,1]是有稳定倾向的随机数μ：U→[0,1],∀x∈U,x→μ(x)则在论域U上的分布称为云，每一个x称为一个云滴.

1.2云模型的数字特征

云模型的数字特征表现了定性概念的定量特性，利用期望Ex、熵En、超熵He3个数值来表现.期望Ex是在论域U中最能代表定性概念的数值，即概念在论域中的中心值.熵En主要是被用来度量定性概念的模糊度以及概率，反映定性概念的不确定性.熵值越大，概念所能接受的数值范围越大，概念就更加模糊.超熵He是表示熵的不确定性，即熵的熵，反映了在数域中代表数值的所有不确定度的凝聚度，其大小可以表示云的离散度及厚度.

1.3云发生器

生成云滴的算法或硬件称为云发生器.它包括正向云和逆向云，正向云可分为基本云、正态云、X条件云及Y条件云；逆向云分为包含确定度信息的逆向云和不包含确定度信息的改进逆向云.根据本文研究需要且正态云具有普适性[9]，本文将对正态云实现算法和改进逆向云算法进行介绍.

正态云的实现算法如下.

输入.数字特征(Ex,En,He)，生成云滴的个数n.

输出.n个云滴drop(xi,yi),i=1,2,…,n.

3) 根据1)、2)计算μi=exp[-(xi-Ex)2/2(En′)2]，则μi为xi属于定性概念C的隶属度.

4) 重复(1)～(3)步，直到生成n个云滴为止.

改进逆向云的实现算法如下

输入.n个云滴xi(i=1,2,3…n).

输出.n个云滴对应定性概念的数字特征(Ex,En,He).

1.4正态云拟合运算规则

正态云拟合运算规则可将已给定的某些云的数字特征进行某种或某些规则运算，得到新的数字特征所构造的云[10].设有两个正态云模型C1(Ex1,En1,He1)和C2(Ex2,En2,He2)，拟合运算之后的结果为C(Ex,En,He)，其拟合运算规则见表1.

表1　正态云拟合运算规则表

2船舶海上溢油风险综合评价云

2.1建立船舶海上溢油风险综合评价指标体系

船舶海上溢油风险的评价指标是多层次、复杂的，为了统一考察评价对象，所建立的评价指标体系须使用统一评价尺度，在遵循科学性、全面性、可操作性、可比性和相对独立性等原则的基础上，根据对船舶溢油风险源分析和对船舶溢油事故影响因素识别，筛选出具有代表性和完备性的船舶溢油风险综合评价指标，构建能真实准确地反映船舶溢油风险的评价指标体系[11-12]，见表2.

表2　船舶溢油风险综合评价指标体系与评价集

2.2建立船舶海上溢油风险综合评价指标评价云

评价集是由评价对象可能的评价结果所组成的集合，其包含的等级越多则评价就会越准确，但评价过程也会变得繁琐，因此，结合现有关船舶溢油风险评价的研究，选取5个等级构成船舶溢油风险评价集，描述为

对应的等级评语及其相应量化的值为

{0～2,2～4,4～6,6～8,8～10}

对于双边约束的评语[Cmin,Cmax]，即具有上限和下限，可利用正态云模型将其云化即可得到评语对应的云模型.云参数计算式如下.

(1)

式中：k为常数，可根据变量本身的稳定性来做出具体的调整.

根据式(1)可得到5朵评价云：较低风险(1,0.333 3,0.05)，低风险(3,0.333 3,0.05)，中等风险(5,0.333 3,0.05)，较高风险(7,0.333 3,0.05)，高风险(9,0.333 3,0.05)，见图1.

图1　评价等级云

2.3确定评价指标权重云

本文采用基于云模型的赋权方法来确定评价指标的权重：首先，结合德尔菲法与云模型得到各个评价指标的权重云模型，再对评价指标权重云模型的期望进行归一化处理，最后获得较理想的评价指标权重.具体步骤如下.

1) 选取熟悉并充分理解评价指标内涵的n位专家进行评分；假设有评价指标Ui，决定其影响程度的评价指标有m个，用集合表示为{Ui1,Ui2,…,Uim}.

2) 假设n位专家对评价指标Uij(j=1,2,…,m)的评分集为{V1,V2,…,Vn}，利用改进逆向云发生器生成评价指标Uij的权重数字特征(Exij,Enij,Heij).

3) 运用正向云发生器生成评价指标Uij的云图.

4) 观察所得云图中云滴的凝聚情况，若云滴呈雾状分布，则可判断云滴的凝聚性差，专家组评价意见还未统一，需对专家组意见采取反馈、沟通，重新综合整理.如此反复，实现逐步寻优，直到最终得到反映专家组意见统一的、凝聚性好的云图，即得到评价指标Uij的权重云模型.

5) 重复2)～4)，获得m个评价指标的权重云模型.将这m个评价指标权重云模型进行归一化处理，得出评价指标Uij的最终权重云.

2.4确定船舶海上溢油风险综合评价云

利用得到的评价指标权重云和评价云，将各级的各指标的权重云与评价云根据正态云拟合运算规则，先通过乘法运算获得各指标对上一级指标的评价贡献，再分别对各指标的评价贡献和各指标的权重云作加法算法，然后用评价贡献之和除以权重云之和，直到得到船舶溢油风险的综合评价云，计公式表示如下.最后，将其转换为定性的评价语言，得到船舶溢油风险的等级评价结果.

(2)

式中:Mi为第i个指标对应的评价云；wi为第i个指标对应的权重云.

3船舶海上溢油风险综合评价过程

为验证本文建立的模型，以常年航行于某水域的某艘总吨位为5万的散杂货船为算例.该船舶设备状态一般，船龄12年，其船员操船水平较好，但执行规章和行为道德规范的情况一般，航行水域风速8 m/s左右、降水较少几乎无雨、雾的情况一般、波高3.4 m、潮流0.8 m/s.

3.1船舶海上溢油风险综合评价指标评价云

根据建立的评价等级云确定的船舶溢油风险综合评价二级指标云，见表3.

3.2评价指标权重云

结合2.3确定评价指标权重云的方法，对船舶溢油风险综合评价指标体系中的各评价指标进行权重云确定.以评价指标“船舶类型”为例，对赋权过程进行具体介绍.

收集10位专家第一轮对“船舶类型”打分的结果(7，7，5，7，5，7，7，7，9，9)，通过2.3的步骤1)～4)后，得到“船舶类型”数字特征值为(7，1.002 7，0.878 9)，采用正向云发生器得出云图如图2a).由图2a)可见，云滴的离散度比较大，云图整体呈现雾状，表明专家组还未统一认识.将第一轮专家组打分的信息整理后反馈给专家组并进行必要的沟通，进行下一轮专家组打分.多次反复，最后在专家组认识基本统一，概念形成的情况下的数字特征为(7.4，0.802 1，0.260 2)，见图2b).依此类推，获得其余3个评价指标的权重云模型，进而对这4个云模型进行归一化处理，最终得到“船舶类型”的权重云为(0.462 5,0.068 3,0.022 2).如此反复多次，直到得到评价指标体系所有评价指标的权重云.船舶溢油风险综合评价指标权重云见表1.

表3　船舶溢油风险综合评价二级指标云

图2　基于Delphi的评价指标权重云

3.3综合评价结果云

结合上述数据，根据式(2)可计算得到一级评价指标云模型和最终目标层的综合评价云模型，见表4.船舶溢油风险综合评价结果云见图3.

表4　各级指标评价云

图3　船舶溢油风险综合评价结果云

图3直观地表示出了最终的船舶溢油风险综合评价结果在评价等级云图中的分布.根据绝大数云滴的分布可看出，该船舶溢油风险处于“低风险”与“中等风险”之间，且更偏向于“低风险”等级范围，因此得出该船舶溢油风险为“低风险偏中等风险”.云图表明，该船舶的船舶因素有待改进，船员因素有待提高.

4结束语

本文采用基于云模型与德尔菲法方法为船舶溢油风险评价指标体系中各指标赋权重云，利用基于云模型及正态云拟合运算规则对船舶溢油风险进行了综合评价，将其他评价方法在评价过程中忽略的出现的定性概念的模糊性和随机性相结合，实现了定性概念与定量数值之间的转换.通过对某艘船舶的算例分析表明，基于云模型的船舶溢油风险综合评价方法能较好的反映出各评价指标对船舶溢油风险的影响，对加强船舶溢油风险管理具有指导价值.

参 考 文 献

[1]陈维.上海港船舶溢漏油污染事故风险评估研究[J].航海技术,2010(6):75-77.

[2]陈卓欧,黄明,延飞.三峡库区船舶溢油风险评价研究[J].船海工程,2013,42(1):174-177,180.

[3]肖景坤.船舶溢油风险评价模式与应用研究[D].大连:大连海事大学,2001.

[4]王江.海域船舶溢油风险综合评价及对策研究[D].大连:大连海事大学,2009.

[5]LI D Y,LIU C Y.Study on the universality of the normal cloud model [J].Engineering Science, 2004, 6(8):28-34.

[6]刘常昱,李德毅,杜鹢,等.正态云模型的统计分析[J].信息与控制,2005,34(2):236-239,248.

[7]李德毅,孟海军,史雪梅.隶属云和隶属云发生器[J].计算机研究与发展,1995,32(6):15-20.

[8]朱曼,文元桥,肖长诗,等.船舶通航适应性综合评价的云模型研究[J].武汉理工大学学报,2013,35(7):63-68.

[9]李德毅,刘常昱.论正态云模型的普适性[J].中国工程科学,2004,6(8):28-34.

[10]潘潜,周德云,俞吉.基于云模型的无人机作战系统效能评估[J].指挥控制与仿真,2012,34(6):68-71.

[11]田海潮.京唐港船舶溢油风险评价[D].大连:大连海事大学,2006.

[12]邵明芹.基于多层次灰色模型的船舶溢油风险评价研究[D].大连:大连海事大学,2010.

中图法分类号：U676.1；X55

doi:10.3963/j.issn.2095-3844.2015.01.034

收稿日期：2014-10-18

Risk Comprehensive Assessment of
Ship Oil Spill Based on Cloud Model

PAN Hui

(WuhanTechnicalCollegeofCommunications,Wuhan430065,China)

Abstract：In order to solve the problem of fuzziness and randomness in risk comprehensive assessment of ship oil spill, the comprehensive assessment cloud models was built based on cloud model. A 2-level-structure assessment model with 4 first class indexes, 12 secondary ones was set up based on the principle of index system. The first class indexes include the ship factor, crew factor, meteorological factor, hydrologic factor, and the second class includes ship type, tonnage of ship etc. The weight cloud corresponding to every index was determined by cloud model and Delphi. Optimal cloud model of assessment criteria was found by normal cloud generator. Finally, the comprehensive assessment result was got by normal cloud fitting algorithm. The assessment model can more easily and accurately solve fuzziness and randomness quantification problems in risk comprehensive assessment of ship oil spill through example analysis.

Key words：waterway transportation; ship oil spill; risk comprehensive assessment; cloud model