基于蝴蝶结贝叶斯网络的高校实验室火灾爆炸事故的风险评估

2021-05-29代养勇

实验室研究与探索 2021年4期

王蕾，代养勇

（1.山东省食品药品检验研究院山东省食品药品安全检测工程技术研究中心，济南 250101；2.山东农业大学食品科学与工程学院，山东泰安 271018）

0 引言

近些年，实验室事故时有出现，引发了社会的普遍关注。据相关媒体报道：2018 年北京交通大学东校区化学实验室爆炸，3 名学生死亡；2016 年上海东华大学环境与生物工程学院实验室发生爆炸，2 名学生重伤；2015 清华大学化学系实验室发生一起爆炸事故，1 名博士生当场死亡。高校科研实验室的安全事故频发，尤其是化学实验室，已经成为实验安全的“重灾区”。传统的评价方法，如故障树、失效模式和影响分析（FMEA）、危险与可操作性分析（HAZOP）、保护层分析（LOPA），均为静态评价方法只适用于评价某个时间点的风险，而无法得知整个实验室的风险动态变化［1］。

目前对实验室安全风险评价的研究多集中在以职业健康管理体系要求进行危险源识别，然后根据历年的数据和发生的概率人为附加分值进行判断。刘婷婷等［2］《重大危险源辨识》（GB18218—2014）和《职业性接触毒物危害程度分析》（GB50844—1985），重点进行危险源的识别；魏永前等［3］构建实验室安全“双体系”预防机制从制度建设和专项整治方面进行控制，真正运用风险评估模型进行风险评估的凤毛麟角。因此本文引入蝴蝶结模型（Bow-Tie model，下文简称为BT）和贝叶斯网络（Bayesian Network，下文简称为BN）模型，通过条件概率对各事件的依赖程度进行分析评价，利用贝叶斯网络软件进行反向推理，对影响实验室火灾爆炸事故的因素进行分析评价，实现对高校实验室火灾爆炸事故的风险预测和故障诊断的双重功能。

1 蝴蝶结模型和贝叶斯网络模型构建

1.1 蝴蝶结（BT）模型

BT模型是表述一个事故场景最好的图形化方法之一，它可以清楚地描述事故的原因和事故的结果，是将故障树与事件树分析方法融合为一体的事故因果分析方法。由图1 可知，BT 模型左侧是故障树，分析有哪些危害，危害一旦释放会造成哪些威胁，其安全屏障的作用是预防事故；右侧是事件树，表示一旦屏障和补救措施失效后会产生什么样严重的后果［3］。

1.2 贝叶斯网络模型（BN模型）

贝叶斯理论是处理不确定性信息的重要工具，是一种基于概率的不确定性推理方法，是目前处理非确定性问题的一种主流方法。BN 网络是有向无环图，由代表变量节点及连接这些节点有向边构成，用条件概率进行表达关系强度，节点变量可以是任何问题的抽象。BN 的理论基础即贝叶斯条件概率计算公式［4-7］，即

式中，P（Vi|A）为后验概率，i=1，2，…，n；P（A|Vi）为事件Vi发生条件下事件A 发生的概率，即条件概率；P（Vi）为先验概率；P（A）为事件A发生的概率。

根据贝叶斯公式结合蝴蝶结模型中分析出的要素转换成的各个节点以及节点之间的依赖关系，其各节点的联合概率为P（V），见式（2）。

式中，Vpa（vi）为节点Vi的所有父节点。

1.3 风险评估模型的建立

以近10 年来高校实验室发生的112 起典型事故为数据来源，对引起高校实验室火灾爆炸事故的因素进行整理汇总分析，根据BT 模型分析识别出关键风险源，并对关键风险源进行同类合并转换为BN 模型中的节点，再根据BN模型简化相同事件，寻找出造成顶端事件的主要节点以及各种节点之间的关系。根据历史数据以及专家经验，确定实验室安全事故的先验概率，运用公式进行动态风险评价。

贺蕾等［8］分析出高校实验室事故主要为火灾性、爆炸性事故，占全部安全事故的81%。造成火灾、爆炸事故的主要危险源有：人为因素、设备因素、实验设施以及管理措施不健全等［9］。①人为因素，主要是指违规操作、不能正确使用试剂试药等易挥发易爆炸的化学药品。②设备因素，尤其是压力容器，如氢气瓶、氧气瓶、乙炔气瓶等。压力容器爆炸，不仅会造成人员伤亡事故，内部介质扩散还会引发燃烧等连锁反应。③设施因素，部分实验室缺乏必备的消防设施。有些高校的化学实验室，尤其是年代久远的教学楼，缺乏必备火灾报警、烟雾喷淋系统等消防设施。④管理因素，缺乏对实验室人员的安全教育和技能培训，相关的管理制度及应急措施不健全等。

上述危险源依据BT模型［10］可以更好地识别高校实验室发生火灾爆炸的主要原因、采取措施的有效性以及可能产生的后果等因素，具体模型见图2 所示，其中C1～C7是代表所有控制措施失效后产生的后果，本文重点针对造成火灾爆炸事故的原因进行分析，因此不再对产生的后果进行过多阐述。根据BT 模型的分析，可以很直观的得出影响高校实验室发生火灾爆炸事故的主要变量，如表1 所示。

图2 实验室火灾、爆炸BT模型

表1 实验室火灾、爆炸事故主要变量

BT模型向BN模型转化主要是将BT模型中的事故树和事件树分别转化为贝叶斯网络模型中的节点，并使用有向弧把各个节点连接起来建立映射关系［11］。具体转化见图3。

图3 BT模型向BN模型转化示意图

考虑到BN推理案例中没有高校实验室火灾爆炸事故的案例，本文选择基于专家知识以及部分文献数据构建BN模型。根据众多文献以及媒体报道引起高校实验室火灾爆炸的原因［12］，对BN 变量进行优化，对安全制度、应急预案、违规操作、压力容器反应釜陈旧、设备长时间运转、电路老化、消防设施陈旧等建立模型，其他变量引起事故的比例较少暂不建模［13］，优化后建立的模型见图4。

图4 BN网络拓扑结构图

根据近10 年消防年鉴中相关数据以及专家知识可以得出各父节点的参考权重，其中管理制度的权重为2.7%，应急预案的权重为1.8%，违规操作的权重为16.1%，易燃易爆化学品使用的权重为23.2%，压力容器反应釜陈旧的权重为8.9%，设备长时间运行的权重为16.9%，电路老化的权重为21.4%，消防设施陈旧的权重为8.9%。

BN网络实质上体现了各节点变量间的概率依赖关系，网络中每一个节点都对应一个条件概率表（Conditional Probability Table，CPT）［14］，表示该节点与其父节点间的概率分布关系。鉴于变量节点较多，选取节点H为例进行说明，由此可得，具体如表2 所示。其中，“NO”代表不安全的概率，“YES”代表安全的概率。

表2 人为因素的条件概率（CPT）

根据图3 模型中各节点的依赖关系，运用Netica软件构建BN模型，并进行计算，具体如图5 所示。根据已经发生的高校实验室安全事故中各个节点发生的概率，利用贝叶斯公式综合计算，得到全国高校实验室火灾爆炸安全事故的发生概率为0.175，较全国整体火灾、爆炸发生比例高很多。由此可以看出，高校实验室存在很大的安全隐患，BN 模型的构建可以为预警高校实验室火灾、爆炸事故提供一个动态的分析模型，学校安全部门可以将日常安全检查的数据输入模型，进行风险预警，便于采取相应的措施。

图5 BN模型以及各节点发生概率

2 结果验证

2.1 模型的验证

以2001～2016 年高校实验室火灾爆炸发生情况为例，2001～2016 年我国高校实验室共发生火灾爆炸事故93 起，从事故原因分析中可以得出易燃易爆化学品导致的火灾爆炸事故37.7%，电路老化5.7%，违规操作20.8%，压力容器反应釜陈旧22.6%，设备长时间运行8.4%，消防设施陈旧3.8%，管理制度0.8%，应急预案0.2%［8］。按照易燃易爆化学品导致发生事故的比率降为5%进行计算，将相关数据输入模型，通过模型计算得到火灾爆炸事故的发生概率为0.159，比之前的0.175 有所下降，证明该模型有效。

2.2 节点后验概率分布

后验概率分析是BN 网络推理中涉及最多的问题，一方面可在已知原因前提下推断出结果发生的概率，即预测推理，同时也可以在已知结果的状态下，找出导致结果发生的最可能原因，也就是所说的故障诊断［15］。本文运用贝叶斯网络的故障诊断功能，找出导致目标事件发生的最可能因素，为更准确的评估事件态势做出铺垫和提供依据。

在贝叶斯网络模型中假设节点E 发生的概率为100%（也就是说实验室火灾爆炸发生的概率为100%），得出节点的后验证概率分布，具体如图6所示。