基于贝叶斯网的船舶溢油应急演练绩效评价

，

(上海海事大学 交通运输学院，上海 201306)

随着我国水域上油船和超大型油船的频繁行驶，通航环境变得更加繁忙和复杂，船舶溢油污染的风险增大。1973—2007年，中国沿海共发生大小船舶溢油事故2 742起，此中溢油50 t以上的事故共79起，总溢油量37 877 t。1973—2016年，中国沿海共发生溢油量10 t以上的船舶污染事故156起。

船舶溢油事故一旦发生，不仅会引起包含货品、船舶、码头设施损毁等经济损失，以及人员伤亡，而且还会引发极其严重的环境污染。近几年，随着相关政策和法律法规的颁布，中央政府和各地的海事部门在船舶溢油事故的应急能力提升上投入了大量精力和财力。不同层面举办的溢油应急演练次数也随之增加。目前大多数应急演练更为注重“演”而缺乏“练”，无法使应急人员在演练中真正发现问题、提升能力。为此，构建一套合理、科学、定量化的应急演练评估方法。

1 基于贝叶斯网络评估理论

贝叶斯网络具有概率论及图论的理论基础，是一种不确定知识表达模型，能够较好地解决复杂系统的决策问题，同时又能很好地保留节点之间的各种关系和影响，所以广泛应用于工业控制、决策支持、系统故障诊断等领域[1-6]。

在应急演练评估方面，将贝叶斯网络引入应急演练评估模型的研究非常不足，缺乏基于贝叶斯网络的应急演练评估的研究体系。

2 船舶溢油应急演练内容

船舶溢油应急演练，可以测试溢油应急计划中的通知和警报程序，测试或验证应急计划以保护敏感的海岸资源。一系列的演习由若干组成部分构成，从而形成全面的演练，涉及多个机构，组织和司法管辖区，并且可以验证许多方面防备。可以通过这些演练来测试一个广泛的应急计划、程序组织危机、应急响应和溢油应急安排。

船舶溢油应急演练前期准备需要评估当前状态，参考前景趋势、应急管理政策以及相关溢油应急计划中确定的需求。根据需要对现有的防溢油准备和溢油后应急能力进行评估。明确演练计划的目标，确定演练活动的初步目标，确定与其他内部或外部组织联合行使的责权。确定发展和开展演练活动的暂定时间表。该时间表应包括：①确定每项演练活动的内容；②每项活动所需的计划时间；③演练前可能需要参加培训的要求；④组织演练时可能会存在影响安排的计划活动。溢油应急演练同时需要保障物资、通信、场地等的硬件设施。

溢油应急反应是整个溢油应急计划的重要组成部分，溢油事故的应急反应由溢油应急指挥部组织实施，并按图1所示的程序和内容进行。

3 应急演练绩效评价体系的构建

3.1 指标构建原则和流程

图1 船舶溢油事故应急反应程序

评价指标体系的构建是否科学合理直接关系到最后的评估结果，构建指标体系应符合一定的原则，客观反映溢油应急演练的真实水平，注重演练评价自身的特点。以全面完整性为目标，评价指标体系的结构要符合逻辑，科学合理，内涵清楚，遵循科学性原则；不同的评价指标之间相互联系又相互独立，明确指标间的关系，遵循逻辑性原则；保证各个评价指标都有一定的代表性，突出关键性指标，遵循代表性原则。

构建完整的评价指标体系应综合考虑多方面的因素，从整体出发，遵循一定的流程，从而保证评价指标体系的系统性、科学性等。首先查阅国内近几年的溢油应急演练新闻，对演练的过程和步骤有一定的了解，参考相关政策法规和国内外研究现状，保证构建的评价指标体系符合实际且有理有据；其次通过对实际案例的分析，咨询专家，借鉴有关行业评价指标体系的构建经验，对评价指标进行初步选取；第三是根据评价指标体系的构建原则，选取符合科学性、逻辑性和代表性的指标，建成科学完整的评价指标体系。

关键性评估指标的设置过程见图2。

图2 关键性评估指标设置流程

3.2 贝叶斯网络结构建立

为了构造基于贝叶斯网络的船舶溢油应急演练绩效评估模型，需要先确定贝叶斯网络结构中，各个节点可能状态以及节点间的有向弧。

3.2.1 节点确定

贝叶斯网络中的节点代表船舶溢油应急演练过程中各项任务的完成情况，划分为4个层次，分别用R，Si，Xj，Tk表示。

R指演练任务的完成情况。

Si指演练准备阶段的任务完成情况。

Xj指演练实施阶段的任务完成情况。

Tk指演练后评估阶段的任务完成情况。

3.2.2 节点的变量状态确定

对评估模型中各变量在船舶溢油应急演练过程中所显示出来的状态进行分析，确定各变量在船舶溢油应急演练的绩效评估模型中的评估状态，本文的评价指标体系见表1。

通过专家经验知识确定节点状态，也可以根据节点数据自身的特点进行分析后确定节点状态。根据通常的专家经验知识，确定每个影响因素的状态，将节点的状态归分为三大类即优、良、差，分别用1、2、3来表示。

表1 船舶溢油应急演练的评价指标体系—贝叶斯网络中的各个节点

每个指标节点的满意度得分定义在[1，5]区间内。假设得分是均匀分布的，阈值区间通过25%的概率来确定，再将每个指标的最后得分与阈值区间对应起来，确定网络中节点状态的分布情况。因此，我们将满意度得分在[4，5]区间上定义为优的级别，用1表示；满意度得分在[2，4]区间上定义为良的级别，用2表示；满意度得分在[1，2]区间上定义为差的级别，用3表示。

3.2.3 有向弧确定

贝叶斯网络中的有向弧代表各节点变量之间的关系。根据节点的变量，同时基于船舶溢油应急演练内容的分析，得到船舶溢油应急演练各项指标的贝叶斯网络有向弧结构，见图3。

图3 船舶溢油应急演练评估的贝叶斯网络结构

3.3 评估算法

采用Poly Tree消息传递算法，利用贝叶斯网络的结构，给每一个节点分配一个处理机，每一个处理机利用相邻节点传递来的消息和存储于该处理机内部的条件概率表进行计算，从而求得自身的后验概率，并将结果向其余相邻节点传播。在实际计算中，贝叶斯网络接收到证据后，证据节点的概率值发生改变，该节点的处理机将这一改变向它的相邻节点传播，如此继续直到证据的影响传遍所有的节点为止。

该算法将节点间的关系划分为三类：“与”关系，“或”关系，因果关系，本文节点为“与”关系。

以图4中的4个变量的关系为例，A、B、C和D之间为“与”关系。以“1”，“2”和“3”分别代表“优”，“良”和“差”三种状态。则条件概率见表2。

图4 变量结构

根据表2，可得：

P(D=1)=P(A=1)P(B=1)P(C=1)+

P(A=1)P(B=1)P(C=2)+

P(A=1)P(B=2)P(C=1)+

P(A=2)P(B=1)P(C=1)

P(D=2)=P(A=1)P(B=1)P(C=3)+

P(A=1)P(B=2)P(C=2)+

P(A=1)P(B=2)P(C=3)+

P(A=1)P(B=3)P(C=1)+

P(A=1)P(B=3)P(C=2)+

P(A=2)P(B=1)P(C=2)+

P(A=2)P(B=1)P(C=3)+

P(A=2)P(B=2)P(C=1)+

P(A=2)P(B=2)P(C=2)+

P(A=2)P(B=2)P(C=3)+

P(A=2)P(B=3)P(C=1)+

P(A=2)P(B=3)P(C=2)+

P(A=3)P(B=1)P(C=1)+

P(A=3)P(B=1)P(C=2)+

P(A=3)P(B=1)P(C=1)+

P(A=3)P(B=1)P(C=2)

P(D=3)=P(A=1)P(B=3)P(C=3)+

P(A=2)P(B=3)P(C=3)+

P(A=3)P(B=1)P(C=3)+

P(A=3)P(B=2)P(C=3)+

P(A=3)P(B=3)P(C=1)+

P(A=3)P(B=3)P(C=2)+

P(A=3)P(B=3)P(C=3)

且P(D=1)+P(D=2)+P(D=3)=1。

根据贝叶斯法中的公式推理过程结合贝叶斯网络结构图，得到整体贝叶斯网络的推理公式如下。

1/T1,T2,T3,T4,T5,X1)P(T1)P(T2)·

P(S10)P(S11)P(S12)

4 结论

在船舶溢油应急演练绩效评估的过程中，尽可能考虑各个评价指标的概率对评估结果的影响，本文提出了一种新的评估方法。与其他各种评估方法不同的是，运用贝叶斯动态网络，不但能明确表达各种信息、因果推理和知识发现，而且能将文字化的知识用图形化表示，使得知识的表达更加清晰、直观。将贝叶斯方法应用于船舶溢油应急演练绩效评估中，将各个评价指标作为节点，确定各个指标间的关系，与传统的评估方法相比，使得评估效果更真实，更加符合逻辑。

[1] 郑国平.基于贝叶斯网络的地方政府绩效评估的研究[D].厦门:厦门大学，2009.

[2] 刘莉,徐浩军,井凤玲,等.基于贝叶斯网络的飞行安全人因可靠性评估模型[J].空军工程大学学报,2009,10(3):5-9.

[3] 侯政良,杨自春,初珠立.基于贝叶斯网络的船舶人因安全性评估模型[J].船舶工程,2011,33(1):78-81.

[4] 张欣.船舶溢油应急处置人因可靠性评估研究[M].上海:上海交通大学出版社,2011.

[5] CAI Bao-ping, LIU Yong-hong, LIU Zeng-kai. Application of Bayesian networks in quantitative risk assessment of subsea blowout preventer operations[J]. Risk analysis,2013,33(7):1 293-1 311.

[6] XIAO Feng-liang, HONG Dong-wang, HONG Yi, et al. Warship reliability evaluation based on dynamic bayesian networks and numerical simulation[J]. Ocean engineering,2017,136(15):129-140.

[7] 张长林,薛保贵,程仁德.公路突发事件应急能力评价模型研究[J].科学决策，2014(9)：82-94.

[8] 陈庆郴.温州港口溢油应急能力评估[D].大连:大连海事大学,2009.

[9] 张晓雷.基于未确知测度的上海水域溢油应急能力评价研究[J].航海,2014(5)：60-63.

[10] 朱慧.重大突发事件应急演练评估方法改进研究:KPI和模糊综合评价法的结合[D].北京:首都经济师范大学，2016.

[11] 高玮.宁波海域船舶污染应急能力评价[D].大连:大连海事大学,2015.

[12] 曹巍.船载危化品污染事故应急能力评价体系研究[D].大连:大连海事大学，2010.

[13] 陈晓南.大连新港溢油应急能力评估[D].大连:大连海事大学,2011.

[14] 李群,代德军.突发事件应急演练评估方法、技术及系统研究[J].中国安全生产科学技术,2015(7):49-54.

[15] Ramírez-Noriega A, Juárez-Ramírez R, Martínez-Ramírez Y. Evaluation module based on Bayesian networks to intelligent tutoring systems[J]. International journal of information management,2017,37:1488-1498.

[16] 葛轶,周布祥.基于超椭球贝叶斯网络的配电系统可靠性评估[J].电测与仪表，2017,54(1)：22-26.