铀矿井下作业职业病危害风险概率估计方法*

杨宏刚,王瑞雪,曹莹雪,2,孟晓静,2,王会生,周宇

(1.西安建筑科技大学 资源工程学院,陕西 西安 710055;2.西安建筑科技大学 西部绿色建筑国家重点实验室,陕西 西安 710055;3.西安建筑科技大学 建筑设备科学与工程学院,陕西 西安 710055)

0 引言

铀矿山是我国核工业的前端产业,受到了国家的高度重视。我国铀矿山具有规模小、品位低,开采条件差等特点[1],自动化装备程度低,井下作业环境同时存在放射性与非放射性职业病危害[2]。根据《建设项目职业病危害风险分类管理目录》,铀矿井下作业属职业病危害严重类别,如果不及时地对风险因素加以控制,会对井下环境造成影响和破坏,严重时会威胁到井下作业人员的身体健康。因此,分析铀矿井下作业中职业病危害风险因素,精准预测职业病危害风险概率,可为铀矿企业井下作业职业病危害风险分级管控提供依据。

目前关于铀矿行业职业病危害风险分析的研究,多是基于现行检测规范采样测试[3],然而井下作业场所存在多种风险因素,像人为操作和企业管理等因素缺乏有效数据支持,通常用模糊集理论[4]和专家评判法来量化估计风险因素发生的可能性。但是过度依赖专家经验会造成数据的主观随意性[5],无法客观准确地预判在多种风险因素的影响下职业病危害风险的概率,容易导致企业职业病危害风险辨识不清、管理不到位。

贝叶斯网络(BN)具有强大的不确定性问题处理能力,是一个有效的概率推理模型,近年被广泛应用于各领域。宋英华等[6]为量化分析化工园区内火灾爆炸事故的风险因素,基于模糊贝叶斯网络进行事故情景演练,实现了预测事故走向和推理判断薄弱环节的目的。徐坚强等[7]将贝叶斯网络方法引入火灾风险量化评估过程,结合应用实例,分析不确定因素对风险评估的影响。ZHANG L M 等[8]为保证在专家调查过程中收集到数据的可靠性,提出了一种专家置信度指标,对风险因素进行模糊概率估计。鉴于这两个方法的优点,ZHANG G H 等[9]为评价隧道坍塌风险,提出了一种基于多状态模糊贝叶斯网络的钻爆隧道坍塌失效概率评估方法。综上所述,贝叶斯网络与基于置信度指标的专家调查法两者的结合,可以解决本研究中铀矿井下作业职业病危害风险概率的不确定性。

因此,本研究基于贝叶斯网络和置信度指标,构建了铀矿井下作业职业病危害风险概率估计模型,并将该模型应用到某铀矿企业,预测了职业病危害的风险概率,并找出了影响职业病危害发生的关键因素。

1 贝叶斯网络基本原理

贝叶斯网络是一种概率图模型,它可以将某一领域的概率模型可视化,回顾所有随机变量之间的关系,在给定可用证据的情况下得到因果概率的原因。其网络拓扑结构是一个有向无环图(DAG)[10],如图1所示。一个完整的贝叶斯网络拓扑结构由网络节点、有向弧及条件概率表(CPT)构成[11]。

图1 贝叶斯网络结构

图1中X1,X2为父节点,箭头指向的A为子节点,有向弧表示X1与X2影响A发生。

贝叶斯网络推理功能分别为因果推理和诊断推理。因果推理指通过已知X1与X2的失效概率,用式(1)[12]计算A的概率,预测职业病危害的风险概率。诊断推理指当给定A发生时,由式(2)得到X1与X2的后验概率,即可分析影响职业病危害发生的因素。

式中,P(X i)为X i的先验概率;P(A|X i)表示在X i发生的条件下A的概率;P(X i|A)表示X i的后验概率;P(A)为A的先验概率。

2 铀矿井下作业职业病危害风险概率估计模型

2.1 数据来源与风险因素选取

井下职业病危害风险较多,本研究基于多家铀矿企业职业卫生调查报告、通风监测报告等资料,确定放射性、粉尘、物理因素(噪声)和化学毒物是主要的职业病危害类型。并从人-机-环-管多维度分析可能导致职业病危害发生的各种风险和隐患,作为各类职业病危害的风险因素。结合专家经验,最终的归纳结果见表1。

表1 职业病危害风险因素

2.2 职业病危害贝叶斯网络拓扑结构构建

对铀矿井下作业职业病危害风险因素进行辨识后,经与专家讨论揭示了风险因素的逻辑关系,进而确定了贝叶斯网络的根节点(RN)、中间节点(IN)及其叶节点(LN),依据逻辑关系分别构建放射性危害、粉尘危害、物理因素(噪声)危害和化学毒物危害的贝叶斯网络结构,如图2所示。

图2 铀矿井下作业职业病危害贝叶斯网络结构

2.3 模型参数估计

2.3.1 确定节点的失效概率

(1) 概率区间划分。结合模糊集理论和专家知识对风险因素发生的可能性按提供的语言变量进行判断,随后将语言变量转化为对应的概率区间,将风险因素发生的可能性分为5个区间,各区间的语言变量与三角模糊数的对应关系见表2。

表2 风险因素概率区间划分

(2) 专家判断能力确定。从职称、工龄、学历等方面参考将专家判断能力ξ划分为5 个等级,用“Ⅰ～Ⅴ”表示,见表3。但是依靠专家判断能力得到的数据主观性较强,并且忽略了专家判断中的不确定性。因此,为提高数据的可靠性,在判断中引入置信度指标δ,综合考虑专家判断能力ξ与主观信度ψ。置信度指标δ可按式(3)计算。

表3 专家判断能力水平

式中,ψn为第n个风险因素的主观信度,表示专家做决策时对自己判断结果的可靠性,主观信度分为5个等级,取值为[0.6～1.0];δn表示第n个风险因素发生在专家选中的概率区间内的可能性;ξn为第n个风险因素的专家判断能力。

(3) 数据收集及处理。邀请5位行业专家根据经验以及实际情况,对铀矿井下作业职业病危害风险因素发生的可能性进行判断。以风险因素X9“爆破或装车运输造成二次扬尘”为例,专家判断结果见表4。一位判断能力为0.8的专家对X9的估计结果为“高”的认可度为0.9,那么有该风险因素0.72的可能性为高,剩下0.28的可能性位于其他4个概率区间。根据式(4)、式(5)、式(6)计算风险因素在不同概率区间的分布结果。

表4 风险因素X9 发生概率调查结果

式中,i和k为概率区间;p i为风险因素在i个不同概率区间的出现概率;a k为概率区间的上限;a k+1为概率区间的下限。

(4) 概率计算。将风险因素的概率区间分布结果代入式(7)[13],可得到每位专家对X9出现概率的估计值。随后采用“3σ准则”计算模糊化过程的三角形模糊数的特征值,参照式(8)、式(9)、式(10)。

式中,P s为每位专家对X9出现概率的估计值;c i为第i个概率区间的平均值。

式中,μ为期望;S为专家人数;σ为方差。a,m和b为三角模糊数的特征值。

经去模糊化后得到的模糊概率值按Onisawa公式转化为失效概率P[14];

式中,P M为模糊概率;k'为常数。

由此得到贝叶斯网络根节点X9的失效概率为2.88×10-2,同理计算其他风险因素的失效概率。

2.3.2 条件概率表

在贝叶斯网络中,条件概率表反映根节点与非根节点逻辑关系,本研究对铀矿井下作业职业病危害贝叶斯网络的节点状态用“0”和“1”表示,即不发生与发生。但在实际工程中,服从(0,1)是不准确的。因此参考IPCC[15]的概率表述将非根节点发生的可能性划为7档,基于专家调查表,结合实际情况对非根节点的条件概率进行适当调整。见表5。

表5 非根节点“高噪声源”条件概率

3 实例应用

3.1 企业概况

本文以某铀矿企业为例,该企业成立于2013年,于2018年全面建成投产,年产某金属上百吨,年需开采矿石量为上万吨。矿井由作业中段和竖井组成,铀矿井采用抽出式通风降氡系统,同时存在放射性与非放射性危害。由于铀矿井下作业场所环境复杂,自动化装备程度偏低,不利于管理和保护作业人员,因此提高企业职业健康和风险管理是非常重要的。

3.2 贝叶斯网络演绎推理

3.2.1 风险因素识别

通过收集该企业职业卫生防护报告、通风监测报告等资料,分析该企业井下作业存在的职业病危害风险因素,辨识结果见表6。

表6 企业职业病危害风险因素

3.2.2 贝叶斯网络推理

运用贝叶斯网络GeNIe2.0软件对铀矿井下作业职业病危害进行因果推理分析,预测四类职业病危害风险概率,结果见表7。

表7 贝叶斯网络因果诊断结果

随后利用贝叶斯网络反向推理功能,设定当职业病危害发生时,即叶节点发生概率输入1,可以得到如图3所示的放射性危害后验概率分布图。

图3 铀矿井下作业放射性危害后验概率分布

同理,得到其余三类职业病危害的后验概率分布。根据后验概率结果,分别对导致放射性危害、粉尘危害、噪声危害和化学毒物危害的风险因素进行由大到小排序,确定关键风险因素。

(1) 放射性危害。X16＞X11＞X5＞X4＞X2＞X28＞X3＞X17＞X32＞X34＞X19。其中,排风量不足,井下堆存的矿石和岩石析出的氡及其子体,工作服或防护用品佩戴不规范及未佩戴防护用品的后验概率较高,为放射性危害关键影响因素。

(2) 粉尘危害。X16＞X5＞X2＞X9＞X8＞X3＞X20＞X1＞X17＞X4＞X18＞X32。其中,排风量不足,工作服或防护用品佩戴不规范,井下吸烟、饮水等违禁行为及二次扬尘的后验概率较高,为粉尘危害关键影响因素。

(3) 物理因素(噪声)危害。X4＞X21＞X5＞X23＞X34＞X19＞X33＞X22＞X35。其中,未佩戴防护用品,设备正常运行噪声,工作服或防护用品佩戴不规范及未安装减振装置或减振装置失效的后验概率较高,为噪声危害关键影响因素。

(4) 化学毒物危害。X16＞X4＞X2＞X26＞X25＞X20＞X17＞X5＞X18＞X32＞X34。其中,排风量不足,未佩戴防护用品,井下吸烟、饮水等违禁行为及爆破后产生CO、NOx的后验概率较高,为化学毒物危害关键影响因素。

4 结论

(1) 本研究根据多家铀矿企业调研资料全面辨识职业病危害风险因素,分别建立了放射性危害、粉尘危害、噪声危害和化学毒物危害的贝叶斯网络,网络结构的因果关系能用可视化的形式表现出来,有效解决了因素之间的不确定关系。

(2) 本研究在对风险概率评估模型中根节点失效概率进行估计时,在专家决策时引入置信度指标,采用“3σ准则”计算了三角模糊数的特征值,并用“α加权估值法”去模糊化,以此保证数据的可靠性。有效解决了传统评估中的主观性,提高了评估的准确性。

(3) 由实例可知,利用贝叶斯网络不仅可以预测四类职业病危害的风险概率,还能推理出给定条件下风险因素的后验概率,并由概率大小排序找出导致职业病危害发生的关键因素。分析结果与实际符合,表明该模型具有较强的实用价值。