基于云模型的LNG船舶通航环境风险评价

张仕元, 刘德新, 朱景林, 李昕泽,郭沐壮

(大连海事大学 航海学院,大连 116026)

近年来,天然气成为日常消耗的主要能源,而我国的天然气存储量稍显不足,主要通过进口的方式来获取,其引入方式多为水路运输,因此LNG运输成为航运界不可或缺的一部分,鉴于LNG的易燃易爆性,LNG运输的通航安全成为了人们关注的重点[1-2]．

云模型是在模糊数学和概率统计的基础上[9-10],将自然语言中定性概念的模糊性、随机性和不确定性有机地综合在一起,实现定性与定量之间的自然转换．文中考虑到通航安全的模糊性,结合云模型的优点,对通航安全各级评价指标的权重进行计算,减少主观因素对各级评价指标的权重影响;另外,云模型的建立可以实现评价指标定性与定量之间的转换,合理解决了传统方法中存在随机性和不确定性的问题,使评价结果更加合理．

1 通航环境风险评价指标的构建

LNG业界一直认为天然气泄漏是接收站最大的潜在风险,SIGTTO(国际气体船运输与码头经营者协会)认为LNG接收站引起LNG泄漏风险的主要环节之一就是LNG船在航道中的航行过程．因此,文中结合江苏滨海的具体情况以及水域通航环境的特点,分别从人为因素、船舶因素、环境因素(包括水文、气象和交通环境)以及管理因素4个方面,对江苏滨海LNG船舶通航环境风险进行评价,并建立评价指标体系,见表1．

若没有对影响通航安全的因素进行有效的控制,可能会导致通航事故的发生．风险评价是在确定风险并已知其分布情况的基础上,分析影响风险程度的各种因素,通过主次排列的方法找出关键性的风险因素,为管理者提供决策依据,有利于保证水域的通航安全．

表1 江苏滨海LNG船舶通航环境风险评价指标体系Table 1 Transportation environmental risk assessment index system for LNG ship of Jiangsu province

2 云模型的理论

2.1 定义及其数字特征

设C是可用精确数据表示的定量论域U上的一个定性概念,若定量值x∈U,且x是C上的一次随机实现,x对C的隶属度μ(x)∈[0,1]是有稳定倾向的随机数μ:U→[0,1],x∈U,x→μ(x),则称x在论域U上的分布称为云,每个x称为一个云滴(x,μ(x))．

云的3个数字特征分别为期望Ex,熵En和超熵He,可以记作A=T(Ex,En,He),其主要分布在[Ex-3En,Ex+3En],用定量概念反映出定性性质,期望Ex是代表定性概念的点,是最具有代表性的;熵En是用来反应该模型的模糊度,反映了该概念所包含的样本的取值范围;超熵He表示熵En的不确定性的度量,反映了定性概念的随机性和模型的离散程度．图1是一个数字特征分别为(Ex=20,En=3,He=0.2)的云图,其中X轴表示C所对应的某一数值,Y轴表示相对应的隶属度．

图1 云的数字特征Fig.1 Digital features of the cloud

2.2 云发生器

云模型的基本运算包括正向云发生器和逆向云发生器[11]．

会计电算化是时代进步发展的产物，顾名思义，会计电算化运用了电子计算机技术，会计电算化对会计工作方法的进一步完善起着重要作用，会计电算化是会计发展的必然结果，会计电算化更是会计工作发展所必须的技术。

(1) 正向云发生器的原理是,将云的是3个数字特征Ex、En、He输入后,可以得到在该概念下随机发生的一次实例．

输入:该定性概念下的3个特征值Ex、En、He以及所需云滴的数量N．

过程:① 产生一个正态随机数E′n,满足En′～N(En,He2);② 产生一个正态随机数xi,满足xi～N(Ex,E′n2);③ 对yi进行计算yi=exp[-(xi-Ex)2/2(E′n)2];④ 产生云滴(xi,yi),并重复① ～③,直到得到云滴的预期数量N．

输出:得到N个云滴及其确定度．

(2) 逆向云发生器的原理是,将实际数据转化成数字特征为Ex,En,He的定性概念,具体算法：

输入:N个云滴及其确定度;

② 则可以得到样本的期望为：

(1)

③ 则可以得到样本的熵为：

(2)

④ 则可以得到样本的超熵为：

(3)

输出:样本的定性概念以及期望Ex,熵En和超熵He．

2.3 云模型的基本运算

对LNG船舶通航环境进行风险评价时,需要运用云运算．其本质就是对基云进行若干运算后形成虚云的运算[12]．若在同一论域上存在两个云模型C1(Ex1,En1,He1)以及C2(Ex2,En2,He2),所得到的虚云C(Ex,En,He),运算公式如表2．

表2 云的基本运算Table 2 Basic operation of the cloud

2.4 综合运算

在日常工作中，对同一件事情有不同的看法,因此,这会产生两种以上同一类型的云,而综合运算则是利用一定的算法将这些同一类型的云整合到一起,得到一个具有更加广义的概念,计算公式:

(4)

En=En1+En2+…+Enn

(5)

(6)

3 云模型的综合评价

云模型综合评价流程如图2．

图2 云模型综合评价流程Fig.2 Cloud model comprehensive evaluation process

(1) 根据目的对象,确定一些影响程度较大的评价指标,由一级指标到二级指标记为U={U1,U2,…,Un},二级指标Ui可以划分成若干三级指标Ui={Ui1,Ui2,…,Uin},i=1,2,…,n,以上指标所构成的集合即为因素集．

(2) 对上述指标进行评价之后,所有评价指标的评语构成的集合称为评语集,记为V={V1,V2,…,Vn}．

(3) 利用云模型对上述因素集的每项指标进行权重的求取．首先,通过数名专家对下级指标在上级指标中的重要程度进行打分,文中将重要程度分为5个等级,并根据评价的等级建立合适的云标尺,评价等级及其匹配的云标尺见表3、4．然后将得到的分数经过逆向云发生器处理后得到云模型,若得到的权重云滴分布较散乱,应再进行反馈和修正,直至得到较为稳定的权重云图,最终将权重进行归一化处理,即可得到每项指标所隶属于上一级的权重[13-14]．

表3 指标重要程度等级Table 3 Indicator importance level

表4 指标重要程度等级云标尺Table 4 Indicator importance level cloud scale

(4) 根据LNG船舶通航环境的实际情况,找到专家组对其评价指标分别做出最高评价值和最低评价值,评价指标分为5个等级,见表5．接着将得到的两组评价值,利用逆向云发生器生成最高评价云模型和最低评价云模型,再将两组云模型利用综合运算,得到一个更具广义性的云模型．

表5 风险指标评价等级Table 5 Rating of risk indicators

表6 风险评价结果等级云标尺Table 6 Risk assessment results level cloud scale

4 实例分析

为了满足江苏省对天然气的需求,提高天然气供应能力,完善供应格局,保障安全供气,拟在江苏省滨海建立LNG项目,该项目的建设可以有效解决能源供应安全、环境保护的双重问题,因此,可以用云模型对其进行风险评价．

4.1 评价指标云权重

邀请10位从事通航环境安全评价的专家、有关管理人员以及船长,对江苏滨海LNG船舶通航环境风险评价各级指标进行打分,以确定适任能力在人为因素中所占比重为例(表7),将适任能力的打分分值通过逆向云发生器进行处理,对结果进行反馈和修正,直至得到趋于稳定的云图,最终得到适任能力的权重云w11=(0.708,0.024,0.002),其他各指标权重云的求取方法也是同理,将权重进行归一化处理得到各级指标的权重云,如表8．

表7 适任能力在人为因素中的权重打分Table 7 Competency of human factors in the weight of the score

表8 各级指标的权重云Table 8 Weights of the indicators at all levels

4.2 三级指标云模型

以三级指标适任能力为例,对其进行最大值和最小值打分,见表9,利用式(1～3) 求出最大值云模型和最小值云模型,再利用式(4～6)求出其综合云模型为C11=(0.875,0.061,0.016),同理可得其他三级指标的云模型(表10)．

表9 适任能力的打分情况Table 9 Score of the competency

4.3 其他指标云模型

根据已经计算出的三级指标的指标值及其权重,可以计算出上一级指标的云模型,以二级指标人为因素云模型的确定过程为例,人为因素对应的三级指标的云模型分别为C11=(0.875,0.061,0.016),C12=(0.862,0.043,0.019),C13=(0.835,0.036,0.021),人为因素的云模型的计算方法:

(ExC1,EnC1,HeC1)

(7)

根据云的基本运算,可以计算出人为因素的云模型为C1=(0.860,0.065,0.022),其他各级指标的云模型的计算方法同上,见表10．

表10 风险评价指标云模型Table 10 Risk assessment index cloud model

4.4 最终云模型建立和各级指标分析

根据上述结论,得到江苏滨海LNG船舶通航环境风险评价的云模型为C=(0.780,0.080,0.023),将最终结果的云图与表6云标尺中各级云模型的云图进行比较,结果如图3,江苏滨海的LNG船舶通航环境风险评价等级在“低”于“较低”之间,且更接近“较低”,因此可以认为其评价等级为“较低”．

分析图4、5可知,人为因素和船舶因素指标评价云图介于“低”和“较低”之间,且更靠近“低”,因此可以认为人为因素和船舶因素的评价等级为“低”;由图6可知,环境因素指标评价云图介于“低”和“较低”之间,且更靠近“较低”,所以可以认为环境因素的评价等级为“较低”;由图7可知,管理因素指标评价云图介于“一般”和“较低”之间,且更靠近“一般”,所以可以认为管理因素的评价等级为“一般”．

图3 目标风险评价云图Fig.3 Target risk assessment cloud

图4 人为因素指标的云图Fig.4 Cloud of human factors indicators

图5 船舶因素指标的云图Fig.5 Cloud of the ship factors indicators

LNG船员和船舶是经过专业培训和修造的,因此,在人为因素和船舶因素这两方面发生事故的风险相对较低．随着港口的不断发展,主航道内船舶交通愈加繁忙,航道交通流量激增,从而影响通航安全性,因此,环境因素会对江苏滨海的通航造成一定的影响．因该码头新建不久,通航监管设备配备滞后,再加上LNG的特殊性，涉及方面较多,不定性较大,因此,管理因素对通航造成的影响相对较大．在日后的发展中可从环境因素和管理因素两个方面进行改善和提高．

图6 环境因素指标的云图Fig.6 Cloud of the environment factors indicators

图7 管理因素指标的云图Fig.7 Cloud of the management factors indicators

5 结论

(1) 利用云模型可以将定性问题转化为定量问题，充分考虑了样本的随机性和模糊性等优点,结合Delphi法确定LNG船舶通航环境风险评价体系中各级指标的云权重与云模型,并将上述理论应用于江苏滨海LNG船舶通航环境的分析中.

(2) 通过MATLAB软件进行模拟仿真得到云图,直观反映了江苏滨海各级指标的风险评价等级,并对评价结果进行总结和分析,为江苏滨海LNG船舶通航环境的后续发展提供了合理的方向,同时也可以作为其他地区的参考,为LNG船舶通航安全的发展予以理论支撑和实践指导．