船舶設(shè)備風險估計模型探討

董良雄 陳 輝

（武漢理工大學能源與動力工程學院 武漢 430063）

風險是未來可能發(fā)生的事故的危害程度，單一設(shè)備風險的根源是部件的損壞，而船舶設(shè)備種類繁多，加上船舶航行環(huán)境的特殊性，設(shè)備風險的來源、破壞機制、風險影響范圍以及風險破壞力錯綜復雜，因此，對船舶風險的認識要從微觀發(fā)展到宏觀，以船舶設(shè)備總體上觀察風險并預測風險程度，體現(xiàn)船舶設(shè)備的適航性特點．

1 風險預測思路

1．1 設(shè)備風險要素分析

建立風險評價指標體系，就應(yīng)對影響設(shè)備風險的各個因素進行系統(tǒng)分析、篩選，確定能夠反映風險水平的關(guān)鍵性因素．由于船舶設(shè)備種類繁多，設(shè)備風險的表現(xiàn)形式也較多，因此先考慮單個設(shè)備的風險，包括對風險事件發(fā)生概率的分析以及對可能造成后果的估計．船舶設(shè)備在一次事故中所承擔的風險由3個因素決定：（1）設(shè)備的可靠度，即設(shè)備事故發(fā)生可能性的概率，以P記之（0＜P＜1），P值通常由過去曾發(fā)生過的類似事故統(tǒng)計分析來確定；（2）設(shè)備的易損度，即危險因素在人員、財產(chǎn)和環(huán)境等方面損失，以L記之（0＜L＜1），L 值由設(shè)備事故評價給出［1］；（3）設(shè)備適航度，以S記之（0＜S＜1），S值是地點位置的函數(shù)，由事故場分析給出，反應(yīng)設(shè)備事故影響的相對嚴重度．每一類設(shè)備對船舶安全影響的重要程度是不一樣的，同一風險事件，對不同的環(huán)境、人、設(shè)備也會造成不同的損害．

單設(shè)備和總體設(shè)備所承擔風險的程度分別以r和R來表示，可建立如下計算公式

1．2 設(shè)備風險指標

根據(jù)式（2），風險評價指標體系的建立應(yīng)從設(shè)備可靠度、易損度、適航度3個因素來考慮．事實上，船舶在營運過程中，人、機、環(huán)境與管理等影響船舶風險的指標都可納入這3個要素之中．與此相對應(yīng)，在船舶日常機務(wù)管理活動中，機務(wù)部門通過統(tǒng)計設(shè)備故障率，分析船舶設(shè)備技術(shù)性能，評估管理效果因素就能有效預測設(shè)備風險，具體指標如下：（1）故障統(tǒng)計指標，反應(yīng)來源于零（元）部件缺陷、零件間的配合不協(xié)調(diào)、材質(zhì)和制造工藝的離散性而造成的零（元）件故障、各零部件故障組合等隨機性的事故風險．包括故障發(fā)生頻度以及設(shè)備缺陷數(shù)等指標；（2）技術(shù)性能指標，反應(yīng)設(shè)備技術(shù)狀態(tài)的逐漸劣化，由量變到質(zhì)變的漸成型故障風險，包括設(shè)備新度、完好度以及維護保養(yǎng)的相關(guān)指標；（3）安全保障指標，反應(yīng)設(shè)備的控制與監(jiān)測措施，對船舶干預度以及有效工作的程度，包括信息傳遞故障、人員誤操作等指標．

基于上述指標分類和參考有關(guān)船舶安全評價的文獻［2－3］，進一步對上述指標進行取舍，本文選取對船舶安全影響較大的13個風險因素建立船舶風險評價指標體系，見圖1．

圖1 船舶風險估計指標體系

1．3 預測方法的選擇

風險預測的方法大致可以分為2種類型，即概率統(tǒng)計型（如專家預測、回歸分析、變分法、馬爾可夫鏈法等）和連續(xù)性預測法（包括灰色GM法、神經(jīng)網(wǎng)絡(luò)法等）．上述船舶設(shè)備信息的非平穩(wěn)性特征，加之隨環(huán)境影響較大，所以不宜用概率統(tǒng)計法去預測其故障發(fā)展趨勢．采用上式計算總體風險常常有一定的困難，采用灰色GM（1，1）方法預測計算量小，速度快，但在多因素的情況下，灰色模型則顯得有些吃力，誤差較大．相比之下，神經(jīng)網(wǎng)絡(luò)具有良好的容錯性、自適應(yīng)性、自組織性和并行處理能力，對不同的復雜信息具有良好的融合作用．因此本文采用BP神經(jīng)網(wǎng)絡(luò)作為船舶風險估計的方法．

2 神經(jīng)網(wǎng)絡(luò)各部分參數(shù)的確定

2．1 網(wǎng)絡(luò)輸入確定

對于輸入來說，上面確定了13個評價因素，這些指標中有一部分是定量的指標，并且除了可以肯定上面的這13個指標對于船舶機務(wù)風險評價系統(tǒng)都有關(guān)系以外，用明顯的數(shù)值關(guān)系來表現(xiàn)這些影響的大小是很難確定的．在這種情況下，采用“語言變量”描述代替“數(shù)值”描述，通過合理的量化計算，最終得到一個合理的映射關(guān)系是能夠做到的．從另一個角度來說，這是數(shù)據(jù)構(gòu)成復雜時的一種變通方式．表1反映了各種輸入指標的模糊化語言處理以及響應(yīng)的量化分值．

表1 網(wǎng)絡(luò)輸入指標的模糊化語言變量及相應(yīng)的量化分值

在上述模型中，各個因素指標均屬性質(zhì)各異的定量指標，難以根據(jù)體系因素指標的評價標準直接確定其究竟何時為“大”，“較大”，“中”或“小”等問題，所以必須對其進行適當?shù)臄?shù)學處理．

由于以上所列出的12個指標與輸出指標的關(guān)系并不一樣，有的呈正相關(guān)的的關(guān)系，有的則呈負相關(guān)的關(guān)系．對此可將這種相關(guān)性上的表現(xiàn)一致化．體現(xiàn)在數(shù)學上的處理就是：

當因素指標與輸出指標呈正相關(guān)關(guān)系時

當因素指標與輸出指標呈負相關(guān)關(guān)系時

式中：A0為因素的初始量化值；A為變換后該因素指標的量化值．

根據(jù)所制定的因素指標的量化準則，上述2式可以簡化為：當因素指標與輸出指標呈正相關(guān)關(guān)系時A＝A0；當因素指標與輸出指標呈負相關(guān)關(guān)系時A＝1－A0．

經(jīng)過變換后因素指標與網(wǎng)絡(luò)的輸出指標“風險等級”之間的關(guān)系均可視為正相關(guān)的關(guān)系，換言之這些指標均屬決策理論中的“效益型”定量指標，因此對他們的處理可引入模糊數(shù)學中對于“指標值越大隸屬度越高”的“效益型”指標的隸屬度的計算方法，按照各定量性因素指標在不同風險等級的實際量值，將其轉(zhuǎn)化為與“風險等級”對應(yīng)的隸屬度．

式中：xij，xi，min，xi，max分別為樣本j中指標i的數(shù)值，所有樣本集中指標i的最大值和最小值．

同時，為了和其他定性指標評價標準的一致，對式（5）進行修正，并映射到1－5之間的評價分值：

評價的分值 mij＝4×rij＋1 （6）

2．2 網(wǎng)絡(luò)輸出確定

神經(jīng)網(wǎng)絡(luò)模型的輸出為船舶設(shè)備風險等級，風險等級分級針對船舶航行安全可靠性以及對人員和環(huán)境的影響而制定，系統(tǒng)的劃分應(yīng)覆蓋到全部事故領(lǐng)域．采用航運公司的習慣劃分方法，將船舶設(shè)備的總體風險程度分為5個級別，相對應(yīng)于船舶及設(shè)備的總體故障狀態(tài)［4］，見表2．

表2 設(shè)備總體風險等級狀態(tài)

對于訓練目標的確立，由于神經(jīng)網(wǎng)絡(luò)的輸出層要描述上述5個風險狀態(tài)，所以輸出使用3個神經(jīng)元，3個神經(jīng)元可以最多描述8個狀態(tài)，從而訓練目標確定為T＝（0，0，1），（0，1，0），（0，1，1），（1，0，0）（1，0，1），分別對應(yīng)各種風險等級狀態(tài)．

2．3 隱層節(jié)點數(shù)設(shè)計

隱層的神經(jīng)元數(shù)目選擇是一個十分復雜的問題，往往需要根據(jù)設(shè)計者的經(jīng)驗和多次實驗來確定，因而不存在一個理想的解析式來表示．隱單元的數(shù)目與問題的要求、輸入／輸出單元的數(shù)目都有著直接關(guān)系．隱單元數(shù)目太多會導致學習時間過長、誤差也不一定最佳，也會導致容錯性差、不能識別以前沒有看到過的樣本，因此一定存在一個最佳的隱單元數(shù)［5］．

文獻［3］研究表明，在多次試驗中發(fā)現(xiàn)，隱層節(jié)點數(shù)取輸入節(jié)點數(shù)和輸出節(jié)點數(shù)之間的值，在靠近輸入節(jié)點時，網(wǎng)絡(luò)的收斂速度較快．但是也不能盲目的擴大節(jié)點數(shù)，因為在節(jié)點數(shù)變大的時候，雖然迭代次數(shù)變少，但網(wǎng)絡(luò)明顯變大，計算量變大，從而使計算時間變長，因而提出了一個單隱層隱層節(jié)點數(shù)的極端公式：

式中：n為輸入節(jié)點數(shù)；m為輸出節(jié)點數(shù)．

本文也正是采用了這種方法，從而得出隱層節(jié)點數(shù)為19個．進而確定了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為13－19－3．

3 基于BP神經(jīng)網(wǎng)絡(luò)的風險甄別

3．1 樣本收集與構(gòu)造

現(xiàn)代船舶大多按ISM規(guī)則建立一套事故、事故隱患和違章行為的報告制度，任何事故、事故隱患和違章行為都由船舶管理部門進行調(diào)查分析而形成了船舶典型機務(wù)風險案例，用專家打分的方法確定案例中設(shè)備的風險水平，就形成了風險估計訓練樣本．

根據(jù)指標特性可先構(gòu)造基本的訓練樣本，然后利用典型機務(wù)風險案例對基本訓練樣本進行插值擴充，并根據(jù)因素指標量化準則進行數(shù)據(jù)處理，可使得整個網(wǎng)絡(luò)既有普遍性，又有針對性和準確性［6］，通過此種方法構(gòu)造的訓練樣本集見表3．

表3 網(wǎng)絡(luò)的訓練樣本集

續(xù)表3

3．2 網(wǎng)絡(luò)訓練與檢驗

進行樣本訓練時，將訓練樣本作為神經(jīng)網(wǎng)絡(luò)的輸入，以訓練目標作為神經(jīng)網(wǎng)絡(luò)的目標，然后對每一個輸入矢量在訓練好的網(wǎng)絡(luò)中進行計算，得到輸出矢量，從而得到訓練值．

進行預測分析時，將檢驗樣本放在訓練好的網(wǎng)絡(luò)中進行計算，從而得到預測值，這個預測值與目標值進行對比，就可以得到預測誤差．網(wǎng)絡(luò)的檢測樣本集合見表4．

表4 網(wǎng)絡(luò)的檢驗樣本集

上面幾次檢驗樣本中，網(wǎng)絡(luò)的輸出依次為：（0．020 6，0．987 4，0．891 5），（0．058 9，0．134 3，0．960 8），（0．972 5，0．024 0，0．192 6），（0．934 6，0．198 1，0．128 7），（0．115 3，0．972 4，0．056 8）．也就是說檢驗樣本1對應(yīng)的風險等級為C，檢驗樣本2對應(yīng)的風險等級為A，檢驗樣本3和4對應(yīng)的風險等級為D，檢驗樣本5對應(yīng)的風險等級為B．從表4可以看出，對各個分析輸入矢量進行訓練后預測后，輸出的結(jié)果已經(jīng)很接近理想輸出，其中輸出的最小誤差為0．012 6，最大誤差為0．198 1，這是由于訓練樣本點過少造成的．雖然輸出不是標準的0和1，但完全可以依靠模型進行船舶設(shè)備總體風險等級識別．

4 結(jié)束語

本文分析影響船舶設(shè)備整體風險的因素，從單設(shè)備風險因素出發(fā)建立船舶設(shè)備總體風險模型，構(gòu)建船舶總體設(shè)備風險估計指標體系以及BP神經(jīng)網(wǎng)絡(luò)模型，借助Matlab軟件實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)對船舶風險樣本的學習與訓練．通過BP神經(jīng)網(wǎng)絡(luò)模型的輸出值與船舶總體風險值（期望值）的比較和檢驗，驗證BP神經(jīng)網(wǎng)絡(luò)對船舶風險估計具有一定的可行性與有效性．實例驗證表明，該模型預測精度高，預測效果好，具有可操作性．

［1］鮑君忠，劉正江，黃通涵．船舶風險評價模型［J］．大連海事大學學報，2011，36（4）：11－13．

［2］李 勇，張 哲．基于神經(jīng)網(wǎng)絡(luò)的航行安全性預測模型［J］．武漢理工大學學報：交通科學與工程版，2002，26（2）：217－219．

［3］Vassie L H，F(xiàn)uller C W．Assessing the inputs and outputs of partnership arrangements for health and safety management［J］．Health and Safety Management，2003，25（5）：490－501．

［4］IMO．MSC82／INF．3FSA．Possible improvements on FSA guidelines，submitted by denmark at MSC8［R］．IMO，2006．

［5］葛哲學，沙 威．小波分析理論與MATLAB 2007實現(xiàn)［M］．北京：電子工業(yè)出版社，2007．

［6］葛哲學，孫志強．神經(jīng)網(wǎng)絡(luò)理論與MATLAB 2007實現(xiàn)［M］．北京：電子工業(yè)出版社，2008．