渔业船舶事故类型的灰色关联分析

温国平,于晓利

(大连海洋大学航海与船舶工程学院,辽宁大连116023)

渔业船舶事故类型的灰色关联分析

温国平,于晓利

(大连海洋大学航海与船舶工程学院,辽宁大连116023)

为了探究各类渔业船舶事故的影响程度,采用灰色理论对渔业船舶事故类型与4项评价指标进行关联性分析。首先筛选主要渔业船舶事故类型作为参考因素,然后选取4项评价指标作为比较因素来衡量渔业船舶事故的危害程度,并建立事故类型与4项指标的关联矩阵,最后依据关联度大小进行排序和分析,以确定出各类渔业船舶事故中综合影响程度最为严重的事故类型。结果表明:渔业船舶的自沉事故是影响程度最大的事故类型,其次是风灾事故。本研究结果可为渔业主管部门安全管理及相关政策的制定提供理论依据。

渔业船舶事故;灰色理论;事故类型

渔业是一个复杂的高风险行业,渔业船舶水上事故的大量发生对渔业船舶安全和渔民生命安全构成了严重威胁,因此,渔船事故安全评价和致因分析是渔业安全生产管理的重要环节。渔船事故发生的原因种类较多(如自沉、碰撞、风灾和船员溺水等),且不同的事故类型具有不同的性质特点,存在不同的致因因素。为了探究事故的主要原因,必须先分析每种事故类型造成的损失影响,找出综合影响程度最为严重的类型,才能针对具体的某种事故类型进行致因分析并提出相应对策。因此,对渔船事故类型的研究具有现实意义。

目前,许多专家学者对渔船安全进行了相关的研究,研究内容主要集中在渔船安全状况评价[1-2]、渔船事故起因及对策[3-4]、渔业管理[5]等方面,对于渔业船舶水上事故类型的研究甚少,提及的也只是停留在事故统计分析[6]的阶段。传统的统计分析只能从单一的角度来分析每类事故,只能获知哪类事故容易发生,哪类事故造成的经济损失比较大,哪类事故引发的船员伤亡比较严重,而无法综合各个评价指标来衡量各类事故的影响程度。本研究中,选取了4项评价指标来衡量各类渔船事故的后果,进而明确综合影响程度最为严重的渔船事故类型。

渔业生产系统的复杂性和不可估测,具有明显的灰色特征,因此,渔业生产安全系统是灰色系统。渔业船舶水上安全事故的发生是动态过程,具有随机性和不可预测性。渔船事故发生后,在事故调查过程中还可能出现船毁人亡的情况,造成数据误差或者数据缺失的后果,因此,调查结果具有很大的不确定性,系统内样本数据具有灰色性[7]。灰色关联分析研究的是事物发展的现实规律,处理的是“少数据不确定性”问题[8],对样本量的大小和数据的分布规律没有严格要求,其结论符合定性分析的结果[9]。

本研究中,采用灰色关联理论来分析渔船事故类型与4项评价指标的关系,并计算各类事故与4项指标的关联度,通过优势分析,明确在众多的渔业船舶水上事故中影响最为严重的主要事故及次要事故,旨在为渔业主管部门的安全管理及相关政策的制定提供理论依据。

1 灰色关联理论的基本原理

灰色系统理论是邓聚龙教授于1982年提出的一门描述和处理不完全系统信息的理论。灰色系统是指部分信息已知而部分信息未知的系统,通过对信息不完备系统中已知信息的研究来揭示未知信息,从而了解整个系统。灰色关联分析已经广泛应用于因素分析[10]、综合评价[11-12]和优势分析[13]等方面。灰色关联是指事物间的影响程度或者因子对主行为的贡献测度,其衡量工具为关联度。关联度是因素间关联性大小的度量,定量地描述了因素间相互变化的情况。灰色关联分析法是一种多因素分析方法[14],可根据因素的数据序列来研究因素间的几何对应关系。如果因素变化的态势基本一致,则认为它们之间的关联度较大,反之关联度较小。

灰色关联分析主要步骤如下:

(1)确定参考序列和比较序列。首先选取反映系统行为特征的数据序列作为参考序列,同时选取与参考序列进行关联程度分析的比较序列。

参考序列为

比较序列为

(2)处理原始数据。由于各因素的计量单位不同,原始数据在量纲和数量级上存在差异,不便于比较,故要对原始数据进行无量纲化处理。常用的方法有初值化、均值化、区间化、逆化和倒数化等。因本研究中的原始数据为历年的事故发生数据,具有随机性,没有明显升降趋势,故选用均值化方法。其计算方法为

其中,k为时间序号,k=1,2,…,n。

(3)计算关联系数。设经过数据处理后的参考序列为

处理后的比较序列为

关联程度的实质是参考序列与比较序列曲线形状的相似程度,可用曲线之间的差值大小作为关联度的衡量标准,即

两极最大差Δ(max)=maximaxkΔi(k),

两极最小差Δ(min)=miniminkΔi(k)。

关联系数为

其中,ρ∈(0,1)为分辨系数,通常取0.5。

(4)关联度的计算。用比较序列与参考序列各个时期关联系数的平均值来反映其关联程度,计算公式为

2 渔业船舶水上事故类型的灰色关联分析

本研究中,对某省渔港监督局提供的2010—2014年5年间的渔业船舶水上事故统计数据进行数据整理和统计分析,选取主要事故类型作为参考因素,应用灰色关联分析法将其与比较因素进行关联性分析,并针对每个比较因素,将事故类型根据关联度进行排序,最后依据排序结果确定渔业船舶水上事故中影响最为严重的事故类型。

2.1 渔业船舶水上事故参考因素的选取

根据《渔业船舶水上事故统计规定》[15](以下简称《规定》),按照事故原因将其分为碰撞、风损、触损、自沉、火灾、机械损伤、触电、急性工业中毒、溺水、网具损毁和其他等11类生产安全事故,以及台风或大风、龙卷风、风暴潮、雷暴、海啸、海冰、其他等7类自然灾害事故。但在事故统计时,按照《规定》把渔船统计上报事故分为4类,即渔船水上生产安全事故、水上交通事故、渔船自然灾害事故和特殊船舶事故。这种分类方法不符合事故分类学理论,水上交通事故应该属于生产安全事故的范畴,特殊船舶事故既可能属于生产安全事故,也可能属于自然灾害事故。为此,《规定》中将商船与渔船碰撞事故单独作为一类水上交通事故进行统计,目的是进一步引起各级政府、主管部门对此类碰撞事故的关注,但此种分类方法不适于本研究。本研究中根据事故分类理论,对某省的渔业船舶水上事故数据资料进行统计分析,结果见表1。

2010—2014年的渔业船舶水上安全事故中,生产作业过程中人员溺水死亡事故和机械损伤事故发生比重最大,共占53.5%,其中,溺水事故最为严重(表1)。另外,因碰撞、风损、自沉、触损、火灾造成的渔船事故也大量发生,其中碰撞和自沉事故所占比重较大,分别占14.81%和12.35%。由于大风或台风造成的风灾事故约占10%,发生率较高。综上所述,选取船员溺水、船员机械损伤、渔船自沉、渔船碰撞和风灾5种事故作为渔业水上安全事故的主要类型,并作为灰色关联分析中的参考因素。其他事故类型可以当作小概率事件,在此不予考虑。

2.2 渔业船舶水上事故比较因素的选取

本研究中,选取船员溺水、船员机械损伤、渔船碰撞、渔船自沉和风灾事故作为参考因素,同时需要选取评价标准或比较因素来衡量各类事故的损失和影响程度,参照中国渔业统计年鉴采用的特征指标[16],选取事故起数、死亡人数、沉船艘数和直接经济损失等4个评价指标作为比较因素,这4项指标可以直观、全面地从事故发生频率和事故后果两方面来衡量渔业船舶水上各类事故的综合影响程度。通过对选定的事故类型与4项指标进行关联度计算和排序,可针对某项指标判断出哪类事故与之关联度最大,然后综合分析各类事故与4项指标的关联度,确定综合影响程度最严重的事故类型。

按照上述选取方法,选定的参考因素和比较因素的数据见表2。

表1 渔业船舶水上事故类型统计Tab.1 Statistics of fishing vessel accident styles in the waters

表2 事故类型与评价指标的数据统计Tab.2 Data of the accident styles and evaluation indices

2.3 渔业船舶水上事故关联矩阵的构造

因本研究中选取的参考因素不止一个,被比较的因素也不止一个,因此,需要进行优势分析[17]。假设有m个比较因素,记为y1,y2,…,ym,设有n个参考因素,记为x1,x2,…,xn,则每个参考因素对m个比较因素有m个关联度。设rij表示比较因素xj对参考因素yi的关联度,可构造关联矩阵R=(rij)m×n。

利用Matlab编辑程序得到计算结果为

该矩阵包含大量信息,每一列的数值表示同一种事故类型对不同的比较因素行为序列的关联程度;每一行表示不同的事故类型对同一个比较因素的关联程度。根据矩阵R中每行各个元素的关联度大小,可分析判断出起主要和次要影响的事故。

2.4 渔业船舶水上事故的结果分析

将各个参考因素与同一比较因素的关联度按大小顺序排列如下:

事故起数:

死亡人数:

沉船艘数:

直接经济损失:

对矩阵R分析可知,第一行到第三行中,因素x1与相应的比较因素的关联度最大,表明自沉事故对事故起数、死亡人数、沉船艘数的影响程度最大,可将自沉事故看作优势因素,该事故最容易发生,引起的后果也最为严重。

第一行中,因素x3与事故起数的关联度仅次于因素x1,表明船员溺水事故与事故起数的关联性较大。多因船员个人不慎造成,尤其在夜间或大风浪环境中发生率较高。

第二行中,因素x2与死亡人数的关联度仅次于因素x1,表明渔船碰撞事故与死亡人数的关联性较大。渔船碰撞多为渔船与商船间的碰撞,碰撞时船上作业人员较多,大多没有危险警惕意识,容易造成人员伤亡。

第三行中,因素x5与沉船艘数的关联度仅次于x1,说明除船舶自身问题和船员操作失误外,因大风造成的风灾事故也容易造成渔船倾覆。

第四行中,因素x5与直接经济损失的关联度最大,表明大风天气造成的经济损失最大,大风浪会导致渔船倾覆,并伴随有大量渔获物、渔船和船员的多重损失。风灾事故主要包括大风、台风,以及由此引起的风暴潮造成的灾害。因素x1的关联度次之,说明自沉事故除了造成船毁人亡的惨重代价外,经济损失也很巨大。

3 讨论

通过各事故类型与4项指标的关联度可知,渔船自沉是渔业船舶水上事故中综合影响程度最为严重的事故类型,而郝庆龙等[18]和胡甚平等[19]的分析结果表明,碰撞事故是水上交通安全的高风险事故类型,这可能与研究对象和评价指标的不同有关。一方面,胡甚平等[19]研究的沿海船舶水上交通事故的研究对象包括货船、客船、工作船和渔船等,本文研究对象仅为渔船,评价结果的不同表明对于不同种类的船舶,具体对象应具体分析。另一方面,风险是危险事故的可能性和后果的组合,郝庆龙等[18]的研究结果只表明碰撞事故与事故起数的关联度最高,并没有说明碰撞事故发生后果最严重,因此,高风险事故类型应通过能够表征事故可能性和后果的多项指标加以确定,故本文对事故类型与多项指标的灰色关联研究具有重要意义,其研究结果比较合理。渔船自沉事故的综合影响程度最大,渔业相关部门应加强此方面的安全预防和保障急救措施,如加快渔船更新改造、完善渔船安全设备和增加应急救助设施等;渔民应该加强自救意识和能力,同时做好安全救生措施,如穿着救生衣作业、掌握游泳技能、加强自我保护能力等。

由于异常的自然环境引起的风灾事故造成的影响仅次于自沉事故。环境条件不同,渔船航行的安全状况也不同[20],尤其是大风浪造成的海损事故占有较大比例[21],对于吨位小、船龄大的木质渔船,常会因渔船倾覆造成巨大经济损失。因此,掌握自然灾害事故的发生规律,丰富天气预警方式,做好灾前准备是减少自然灾害的主要手段;渔民应严格按照渔业主管部门发布的大风警报及时回港或锚地避风,以减少风灾事故的发生。除此之外,渔船碰撞和船员溺水事故的发生率比较高,造成的影响也比较严重,应引起足够重视,主要应在加强从业人员的安全责任意识和操作经验等方面加大管理力度。

本研究中利用灰色关联分析法,从渔船、船员、环境等方面入手,创造性地将渔业船舶水上事故的主要事故类型与表征渔业船舶水上事故安全状况的评价指标因素进行了关联性分析,定量分析了各类事故的影响程度。研究结果表明,渔船自沉事故是综合影响程度最严重的事故类型,其次是风灾事故。对渔船事故类型的研究和分析,有利于渔业主管部门有依据地、针对性地做好渔船自沉事故的防范及渔船的安全保障工作,丰富大风浪环境下的安全预警方式,也为渔业安全管理措施与政策法规的提出和实施提供理论支持。

[1] 任玉清,姚杰,许志远,等.中国钢质海洋渔船安全状况评价研究[J].渔业现代化,2012,39(6):56-61.

[2] 姚杰,任玉清,吴兆麟.渔船安全技术状况综合评价体系的研究[J].大连海洋大学学报,2011,26(5):458-462.

[3] 张祝利,郑熠,王君.我国渔船作业过程事故分析与措施建议[J].中国渔业质量与标准,2012,2(1):47-51.

[4] 赵树平,赵春煜,姜凤娇,等.渔船安全救助信息系统的研究[J].大连海洋大学学报,2010,25(6):565-568.

[5] 夏陆军,王飞.渔船安全管理现状与对策[J].安徽农业科学, 2014,42(15):4864-4866.

[6] 孙颖士,李冬霄.中国渔船安全分析报告(1999-2008)[M].北京:中国农业出版社,2009:1-80.

[7] 王晓娟,盛萍.灰色关联在事故原因分析中的新应用[J].世界海运,2010,33(6):62-65.

[8] 邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002: 1-10.

[9] 孙玉刚.灰色关联分析及其应用的研究[D].南京:南京航空航天大学,2007.

[10] 景国勋,张悦.火灾事故致因的多因素灰色关联分析[J].中国安全科学学报,2009,19(3):93-97.

[11] 罗均,吕恬生,王琦.产品设计质量灰色系统综合评价方法的研究[J].机械科学与技术,2000,19(5):747-749.

[12] 王丹,刘琳,张小曼.灰色关联度法在煤矿本质安全评价中的改进及应用[J].中国安全生产科学技术,2013,9(1):151-157.

[13] 李翔,朱玉春.农村居民收入与消费结构的灰色关联分析[J].统计研究,2013,30(1):76-78.

[14] 谭学瑞,邓聚龙.灰色关联分析:多因素统计分析新方法[J].统计研究,1995,12(3):46-48.

[15] 农业部渔业局.渔业船舶水上事故统计规定[S].北京:农渔发(2010)41号.

[16] 农业部渔业渔政管理局.中国渔业统计年鉴2015[M].北京:中国农业出版社,2015:3-130.

[17] 温丽华,黄成哲.基于灰色关联分析的系统优势分析[J].黑龙江工程学院学报,2003,17(2):41-43.

[18] 郝庆龙,戴冉,梁凯林,等.基于加权灰色系统的宁波水上交通事故致因和预测[J].大连海事大学学报,2013,39(4):35-37,41.

[19] 胡甚平,方泉根,张锦朋,等.沿海水上交通安全的风险评估研究[J].中国航海,2010,33(1):50-55.

[20] 姚杰,任玉清.渔船航行安全评价方法的研究[J].大连水产学院学报,2005,20(3):244-248.

[21] 王凤武,吴兆麟,郑中义.大风浪海损事故的灰色关联分析[J].大连海事大学学报,2003,29(4):31-34.

Analysis of fishing vessel accident styles based on grey correlation theory

WEN Guo-ping,YU Xiao-li
(College of Navigation and Ship Engineering,Dalian Ocean University,Dalian 116023,China)

The relationship between fishing vessels accident style and four evaluation indices was evaluated based on grey correlation theory in order to research the consequences of different accident styles objectively and theoretically.The main fishing vessel accident styles were firstly screened as comparative factors and four evaluation indices were selected as reference factors to measure the consequences of fishing vessel accidents.Then the incidence matrix between accident styles and evaluation indices was established and an analysis was made on the basis of the correlation degree order.The results showed that sinking accident was found to be one of the worst accident styles, followed by the windstorm accident.The finding indicates that the worst accident style and the key aspect of fishery supervision,which makes it reasonable for the fishery supervisor to establishment the related management policies.

:fishing vessel accident;grey correlation theory;accident style

10.16535/j.cnki.dlhyxb.2017.02.019

2095-1388(2017)02-0237-05

U698.6

:A

2016-10-09

船舶与海洋工程专业学位研究生校企联合培养基地建设研究项目(2016-zx-134);辽宁省教改项目(uprp20140937);2016农业部资助项目

温国平(1989—),女,硕士研究生。E-mail:wgp_dl@163.com

于晓利(1960—),男,副教授。E-mail:yxl@dlou.edu.cn