基于改進(jìn)理想點(diǎn)解法的油氣管道事故綜合預(yù)測研究*

王 霞,段慶全

(中國石油大學(xué)(北京) 機(jī)械與儲運(yùn)工程學(xué)院，北京 102249)

0 引言

油氣管道作為油氣運(yùn)輸過程中的1個關(guān)鍵環(huán)節(jié)，已形成連接?xùn)|西、南北、海外的國家骨干網(wǎng)絡(luò)。2015年底，我國原油、成品油、天然氣主干管道里程總計(jì)11.2萬km。2017年5月發(fā)布的《中長期油氣管網(wǎng)規(guī)劃》中指出，預(yù)計(jì)2025年全國油氣管網(wǎng)規(guī)模達(dá)到24萬km，建成廣覆蓋、多層次的現(xiàn)代油氣管網(wǎng)體系。然而，管道運(yùn)營安全問題日益突出，為提高油氣管道安全運(yùn)行水平，有必要及時對油氣管道事故發(fā)生的可能性進(jìn)行預(yù)測，從而為管道企業(yè)進(jìn)行管道完整性管理提供決策支持。

20世紀(jì)90年代，國外學(xué)者采用概率模型、馬爾可夫理論和灰色理論法等對腐蝕、第三方活動等單風(fēng)險(xiǎn)因素造成的油氣管道事故進(jìn)行了預(yù)測。21世紀(jì)初，綜合多風(fēng)險(xiǎn)因素的油氣管道事故預(yù)測逐漸有了一些建樹。比如，El-Abbasy等[1]采用人工神經(jīng)網(wǎng)絡(luò)預(yù)測海上油氣管道狀況，驗(yàn)證數(shù)據(jù)集的結(jié)果表明平均百分比有效性高于97%，說明模型能夠有效預(yù)測管道狀況；Senouci等[2]采用模糊邏輯預(yù)測油氣管道的安全狀況，但模型因數(shù)據(jù)缺乏的限制，部分失效原因預(yù)測精度較差。國內(nèi)主要是針對單風(fēng)險(xiǎn)引發(fā)的油氣管道事故進(jìn)行預(yù)測，針對系統(tǒng)整合的油氣管道事故預(yù)測研究鮮有涉及[3-6]。油氣管道事故的發(fā)生受多因素影響，必須采用1種方法增強(qiáng)分析結(jié)果的客觀性、全面性和準(zhǔn)確性。目前，存在的油氣管道事故預(yù)測方法存在一些不足[7]：概率評價法雖已被初步應(yīng)用，但實(shí)用性有待改進(jìn)；神經(jīng)網(wǎng)絡(luò)法的學(xué)習(xí)樣本不足時無法保證預(yù)測精度；灰色理論法對于波動性較大的油氣管道事故數(shù)據(jù)擬合較差；馬爾可夫理論只考慮最大概率，忽略了其他概率的影響；貝葉斯模型計(jì)算過程中對風(fēng)險(xiǎn)因素的失效概率無法精確度量。總之，油氣管道事故綜合預(yù)測在我國還處于起步和探索階段。結(jié)合我國管道的實(shí)際情況，對油氣管道事故綜合預(yù)測進(jìn)行研究意義重大。

油氣管道事故綜合預(yù)測的基本思想是對可能導(dǎo)致管道事故和有利于潛在事故預(yù)防的重要因素進(jìn)行綜合分析，確定高風(fēng)險(xiǎn)管段。因此，提出基于改進(jìn)理想點(diǎn)解法的油氣管道事故綜合預(yù)測模型。理想點(diǎn)解法是多屬性的綜合分析方法，是從數(shù)據(jù)的內(nèi)部結(jié)構(gòu)出發(fā)，通過數(shù)學(xué)變化產(chǎn)生綜合預(yù)測量化結(jié)果，可考慮腐蝕、外部干擾、設(shè)計(jì)/建造等多風(fēng)險(xiǎn)因素。理想點(diǎn)解法已經(jīng)普遍應(yīng)用于經(jīng)濟(jì)、醫(yī)學(xué)、農(nóng)業(yè)和能源等行業(yè)，而且取得了良好的效果[8-12]。Patil等[9]采用理想點(diǎn)解法對供應(yīng)鏈在知識管理方面的解決方案進(jìn)行排序，提供了一個更加準(zhǔn)確、有效和系統(tǒng)的決策支持工具，逐步實(shí)施知識管理中的解決方案以提高其成功率；周科平等[11]基于理想點(diǎn)解法建立了深部金屬礦山的巖爆預(yù)測模型，實(shí)際工程應(yīng)用表明該巖爆預(yù)測方法具有工程實(shí)用價值；賈寶山等[12]建立了逼近理想解排序法的煤礦安全綜合評價模型。

本文擬對理想點(diǎn)解法進(jìn)行改進(jìn)，即改進(jìn)效益/成本型指標(biāo)的規(guī)范化公式及正/負(fù)理想解的定義，使之適用于油氣管道事故綜合預(yù)測。該方法可為管道企業(yè)從整體上掌握油氣管道的安全狀況提出了1種新的科學(xué)方法，從而為管道企業(yè)進(jìn)行管道完整性管理提供決策支持。

1 理想點(diǎn)解法的原理及改進(jìn)

1.1 理想點(diǎn)解法的原理

理想點(diǎn)解法(Technique for Order Preference by Similarity to an Ideal Solution， TOPSIS)是Hwang和Yoon于1981年首次提出，是多屬性決策中常用的一種解決多元質(zhì)量特性優(yōu)化問題的方法。理想點(diǎn)解法較之單項(xiàng)指標(biāo)分析法，能集中反映總體情況，進(jìn)行綜合分析預(yù)測。假設(shè)存在i(i=1，2，...，m)個決策單元，j(j= 1，2，...，n)個評價指標(biāo)，pij表示i決策單元的第j個評估指標(biāo)值，ωj表示第j個評估指標(biāo)的權(quán)重值。根據(jù)這個假設(shè)，引入理想點(diǎn)解法的建模過程如下[13-15]：

1)構(gòu)建初始決策矩陣Pm×n。

2)基于初始決策矩陣Pm×n構(gòu)建規(guī)范化決策矩陣Nm×n，規(guī)范值nij的計(jì)算如公式(1)所示：

(1)

式中：nij為i決策單元的第j個評估指標(biāo)規(guī)范化值；pij表示i決策單元的第j個評估指標(biāo)初始值。

3)構(gòu)建加權(quán)規(guī)范化決策矩陣Vm×n，各元素vij的計(jì)算如公式(2)所示：

vij=ωj·nij(i=1,2,…,m;j=1,2,…,n)

(2)

式中：vij為i決策單元的第j個評估指標(biāo)加權(quán)規(guī)范化值；ωj表示第j個評估指標(biāo)的權(quán)重值；nij為i決策單元的第j個評估指標(biāo)規(guī)范化值。

4)計(jì)算正理想解V+和負(fù)理想解V-，如公式(3)所示：

(minυij|j∈I*)}

(maxυij|j∈I*)}

(3)

式中：V+為正理想解；V-為負(fù)理想解；I為效益型指標(biāo)；I*為成本型指標(biāo)。效益型指標(biāo)是數(shù)值越大越好的指標(biāo)，成本型指標(biāo)是數(shù)值越小越好的指標(biāo)。

5)計(jì)算目標(biāo)值與正/負(fù)理想解的分離度，如公式(4)所示：

(4)

式中：d+為目標(biāo)值與正理想解的分離度；d-為目標(biāo)值與負(fù)理想解的分離度；vij為i決策單元的j評估指標(biāo)加權(quán)規(guī)范化值；v+為正理想解；v-為負(fù)理想解。

6)計(jì)算各方案的貼近度，如公式(5)所示：

(5)

式中：r*為各方案的貼近度；d+為目標(biāo)值與正理想解的分離度；d-為目標(biāo)值與負(fù)理想解的分離度。

1.2 理想點(diǎn)解法的改進(jìn)

傳統(tǒng)理想點(diǎn)解法的效益型指標(biāo)和成本型指標(biāo)的規(guī)范化都以各個方案中該指標(biāo)的最大值和最小值為參考比較，由此得出的正、負(fù)理想解對應(yīng)所有方案中每項(xiàng)指標(biāo)的最優(yōu)值和最劣值[15]。在油氣管道事故綜合預(yù)測中，每項(xiàng)指標(biāo)的正理想解應(yīng)對應(yīng)油氣管道最好狀況時的值，每項(xiàng)指標(biāo)的負(fù)理想解應(yīng)對應(yīng)油氣管道最劣狀況時的值。由此計(jì)算出的各油氣管道狀態(tài)到正理想解和負(fù)理想解的距離在一定程度上分別表示了油氣管道目前狀態(tài)偏離最優(yōu)狀態(tài)和最劣狀態(tài)的程度，與正理想解的距離越小，而與負(fù)理想解的距離越大，就表示油氣管道安全狀態(tài)越優(yōu)，則發(fā)生事故的可能性越小。因此，將理想點(diǎn)解法用于油氣管道事故綜合預(yù)測時，效益型指標(biāo)和成本型指標(biāo)規(guī)范化處理分別做如下改進(jìn)，如公式(6)所示：

j=1,2,…,n)

j=1,2,…,n)

(6)

2 油氣管道事故綜合預(yù)測模型

2.1 油氣管道事故綜合預(yù)測指標(biāo)體系

依據(jù)各國或組織對管道失效原因的分類以及國內(nèi)最新油氣管道事故原因分析現(xiàn)狀[16]，從腐蝕、外部干擾、材料/建造、自然災(zāi)害和運(yùn)行與操作5個方面對油氣管道事故進(jìn)行綜合分析，結(jié)合改進(jìn)層次分析法，建立了油氣管道事故綜合預(yù)測指標(biāo)體系，包括目標(biāo)層(即油氣管道事故)、準(zhǔn)則層(即油氣管道事故綜合預(yù)測一級指標(biāo))、指標(biāo)層(即油氣管道事故綜合預(yù)測二級指標(biāo))。具體如圖1所示。

圖1 油氣管道事故綜合預(yù)測指標(biāo)體系Fig.1 The index system of comprehensive accident prediction for oil and gas pipelines

2.2 油氣管道事故綜合預(yù)測指標(biāo)權(quán)重確定

由理想點(diǎn)解法的原理可知，應(yīng)用理想點(diǎn)解法進(jìn)行預(yù)測必須先確定各指標(biāo)的權(quán)重。預(yù)測過程中指標(biāo)的權(quán)重對被預(yù)測對象的最后得分影響很大，要做到預(yù)測指標(biāo)權(quán)重的確定盡可能合理。通過大量的對比分析[17-19]，發(fā)現(xiàn)采用改進(jìn)層次分析法計(jì)算油氣管道事故綜合預(yù)測指標(biāo)權(quán)重更合適。改進(jìn)層次分析法是1種非常成熟的計(jì)算指標(biāo)權(quán)重的方法，已普遍應(yīng)用于冶金礦產(chǎn)、交通運(yùn)輸?shù)刃袠I(yè)[20-22]，而且取得了良好的效果。權(quán)重確定過程中采用改進(jìn)的層次分析法，其優(yōu)點(diǎn)在于由比較矩陣改造而成的擬優(yōu)一致性矩陣滿足一致性條件，無需進(jìn)行一致性檢驗(yàn)，而且還可以大幅度減少迭代次數(shù)，滿足計(jì)算精度的要求。

采用基于五標(biāo)度法的改進(jìn)層次分析法，確定油氣管道事故綜合預(yù)測的指標(biāo)權(quán)重，計(jì)算結(jié)果如表1所示。

2.3 油氣管道事故綜合預(yù)測模型

多段管線i(i= 1,2,…，m)組成多屬性決策問題的決策單元，二級預(yù)測指標(biāo)j(j= 1,2,…，16)，即外腐蝕、內(nèi)腐蝕、應(yīng)力腐蝕等組成決策問題的指標(biāo)集。

1)采用特爾斐方法同相關(guān)專家及現(xiàn)場技術(shù)人員協(xié)商對各預(yù)測管段的指標(biāo)集分別進(jìn)行賦值，從而構(gòu)建初始決策矩陣Pm×16。各指標(biāo)賦值分值在0～100之間，賦值原則為各管段的指標(biāo)因素的情況越好，則賦值越大。比如外腐蝕指標(biāo)，依據(jù)各管段的土壤電阻率(Ω·m)、管道運(yùn)行時間(a)、其他金屬埋地物(個)、交流電流密度(A/m2)、直流管地電位(mV)、陰極保護(hù)有效性(%)、防腐層絕緣電阻率(Ω·m)7個方面的實(shí)際值進(jìn)行綜合考慮，若一段管段的外腐蝕的情況與油氣管道最好狀況時相差越小，則該管段外腐蝕指標(biāo)的賦值越大。各管段各指標(biāo)的賦值即為管線i的j評估指標(biāo)的初始值(pij)，從而組成初始決策矩陣Pm×16。

表1 油氣管道事故綜合預(yù)測指標(biāo)權(quán)重Table 1 The index weight of comprehensive prediction for oil and gas pipeline accident

2)按照公式(6)進(jìn)行規(guī)范化處理，從而構(gòu)成規(guī)范化決策矩陣Nm×16。

3)按公式(2)可得加權(quán)規(guī)范化決策矩陣Vm×16，其中由改進(jìn)層次分析法計(jì)算的二級預(yù)測指標(biāo)的權(quán)重矩陣W16×16如表2所示。

表2 二級預(yù)測指標(biāo)的權(quán)重矩陣WTable 2 The weight matrix of the second-level prediction indexes

4)按照公式(3)求正/負(fù)理想解。采用特爾斐方法進(jìn)行賦值都是基于效益值，因此所有的指標(biāo)都為效益型指標(biāo)。將歸范化后的油氣管道事故預(yù)測指標(biāo)的最好狀況、最壞狀況的值分別指標(biāo)權(quán)重構(gòu)成的矩陣W16×16相乘，即可得到油氣管道事故綜合預(yù)測指標(biāo)體系中各指標(biāo)對應(yīng)的正、負(fù)理想解，如表3所示。

5)按照公式(4)和公式(5)分別計(jì)算各管段(方案)與正/負(fù)理想解的分離度和貼近度。

2.4 油氣管道事故發(fā)生可能性的評定

借鑒EI-Abbasy等人[1]將油氣管道狀態(tài)分為完好、較好、一般、危險(xiǎn)和極其危險(xiǎn)狀態(tài)，將預(yù)測對象貼近度區(qū)間(0，1)進(jìn)行間隔處理，油氣管道事故發(fā)生可能性劃分依據(jù)如表4所示。根據(jù)計(jì)算得到預(yù)測對象的貼近度即可確定各油氣管道事故發(fā)生可能性。

3 實(shí)例分析

以某條長輸管線作為預(yù)測對象進(jìn)行事故綜合預(yù)測。檢測過程中按照完整性管理要求，將該條長輸管線分為5段。首先，采用特爾斐法得到該5段管線二級預(yù)測指標(biāo)的實(shí)際值，構(gòu)成初始決策矩陣P5×16，如表5所示。

然后，將初始決策矩陣P5×16進(jìn)行規(guī)范化，與二級指標(biāo)權(quán)重矩陣W16×16相乘，得到該5段管線加權(quán)規(guī)范化決策矩陣V5×16，如表6所示。

最后，計(jì)算5段管線與正/負(fù)理想解的分離度和貼近度，從而進(jìn)行油氣管道事故發(fā)生可能性評定，結(jié)果如表7所示。

表3 正、負(fù)理想解Table3 The positive and negative ideal solutions

表4 貼近度與油氣管道事故發(fā)生可能性對應(yīng)表Table 4 Closeness and the possibility of oil and gas pipeline accident correspondence table

表5 初始決策矩陣P5×16Table 5 The initial decision matrix P5×16

表6 加權(quán)規(guī)范化決策矩陣V5×16Table6 The weighted normalization decision matrix V5×16

表7 貼近度計(jì)算Table 7 The closeness calculation

通過上述預(yù)測結(jié)果可知：管段2、管段4的貼近度在0.40～0.60內(nèi)，說明這2段管線較可能發(fā)生事故，必須采取有效措施降低事故發(fā)生的可能性至最低合理可接受范圍。分析其主要原因?yàn)椋河绊懝芏?事故發(fā)生的關(guān)鍵因素為外部干擾，這段管線沿線兩邊人口密集，地面活動較多，交通運(yùn)輸車輛從管道上方的道路上頻繁通過。因此，該管段必須制止外界造成的破壞，采取措施遏制違章施工、沿線壓管等行為。影響管段4事故發(fā)生的關(guān)鍵因素為運(yùn)行與操作，要從工程技術(shù)上減少管道運(yùn)行出錯和員工誤操作，一方面提高員工的工作素質(zhì)；另一方面提高監(jiān)督管理能力，依法對油氣管道的運(yùn)行進(jìn)行嚴(yán)格管理。管段1、管段3、管段5的貼近度在0.80～0.95內(nèi)，說明這3段管線較不可能發(fā)生事故，無需采取控制措施，但需要保存記錄。經(jīng)過分析可知預(yù)測結(jié)果與現(xiàn)場情況高度吻合，證明基于改進(jìn)理想點(diǎn)解法的油氣管道事故綜合預(yù)測模型對管道事故預(yù)測是準(zhǔn)確的、可行的。

4 結(jié)論

1)基于改進(jìn)理想點(diǎn)解法的油氣管道事故綜合預(yù)測模型綜合考慮了油氣管道實(shí)際特點(diǎn)及專家經(jīng)驗(yàn)，預(yù)測結(jié)果具有綜合性，有助于改進(jìn)僅靠單項(xiàng)指標(biāo)或少數(shù)指標(biāo)導(dǎo)致評判結(jié)果可靠性低的缺點(diǎn)。

2)通過對想點(diǎn)解法的改進(jìn)，即在油氣管道事故綜合預(yù)測中，每項(xiàng)指標(biāo)的正理想解對應(yīng)油氣管道最好狀況時的值，每項(xiàng)指標(biāo)的負(fù)理想解對應(yīng)油氣管道最劣狀況時的值，使之更合理的適用于油氣管道事故綜合預(yù)測。實(shí)例分析表明，經(jīng)過改進(jìn)的理想點(diǎn)解法用于油氣管道事故綜合預(yù)測是有效的。

3)將理想點(diǎn)解法應(yīng)用到油氣管道事故綜合預(yù)測中是一種新的應(yīng)用，它為管道企業(yè)從整體上掌握油氣管道的安全狀況提出了1種新的思路，可為管道企業(yè)進(jìn)行管道完整性管理提供決策支持。

[1] EL-ABBASY M S, SENOUCI A, ZAYED T, et al. Artificial neural network models for predicting condition of offshore oil and gas pipelines[J]. Automation in Construction, 2014, 45(45): 50-65.

[2] SENOUCI A, ELABBASY M, ELWAKIL E, et al. A model for predicting failure of oil pipelines[J]. Structure and Infrastructure Engineering, 2014, 10(3): 375-387.

[3] WU Jiansong, ZHOU Rui, XU Shengdi, et al. Probabilistic analysis of natural gas pipeline network accident based on Bayesian network[J]. Journal of Loss Prevention in the Process Industries, 2017, 46(46): 126-136.

[4] 張新生, 趙夢旭, 王小完. 尾段殘差修正GM(1,1)模型在管道腐蝕預(yù)測中的應(yīng)用[J]. 中國安全科學(xué)學(xué)報(bào), 2017, 27(1):65-70.

ZHANG Xinsheng，ZHAO Mengxu, WANG Xiaowan. Application of GM (1,1) model with residual error correction in pipeline corrosion prediction[J]. China Safety Science Journal, 2017, 27(1):65-70.

[5] 陳玉超, 蔣宏業(yè), 吳瑤晗, 等. 基于Bow-tie模型的城鎮(zhèn)輸油管道風(fēng)險(xiǎn)評價方法研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2016, 12(4):148-152.

CHEN Yuchao, JIANG Hongye，WU Yaohan，et al. Study on risk assessment method of urban oil pipeline based on Bow-tie model[J].Journal of Safety Scienceand Technology,2016,12(4):148-152.

[6] 韓小明, 苗繪, 王哲. 基于大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)的管道完整性預(yù)測方法[J]. 油氣儲運(yùn), 2015, 34(10):1042-1046.

HAN Xiaoming, MIAO Hui，WANG Zhe. Based on large data and neural network of pipeline integrity prediction method [J]. Oil & Gas Storage and Transportation, 2015, 34(10):1042-1046.

[7] 鄭小平, 劉夢婷, 李偉. 事故綜合預(yù)測方法研究述評[J]. 安全與環(huán)境學(xué)報(bào), 2008, 8(3):162-169.

ZHENG Xiaoping，LIU Mengting，LI Wei. A review of the research on accident prediction methods[J]. Journal of Safety and Environment, 2008, 8(3):162-169.

[8] HATAMI-MARBINI A, KANGI F. An extension of fuzzy TOPSIS for a group decision making with an application to Tehran stock exchange[J]. Applied Soft Computing, 2017, 52: 1084-1097.

[9] PATIL S K, KANT R. A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers[J]. Expert Systems With Applications, 2014, 41(2): 679-693.

[10] 王新民, 秦健春, 張欽禮, 等. 基于AHP-TOPSIS評判模型的姑山駐留礦采礦方法優(yōu)選[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013, 44(3):1131-1137.

WANG Xinmin， QIN Jianchun, ZHANG Qinli, et al. Optimization of mining methods for Gushan resident mine based on AHP-TOPSIS evaluation model[J]. Journal of Central South University (Natural Science Edition), 2013, 44(3):1131-1137.

[11] 周科平, 雷濤, 胡建華. 深部金屬礦山RS-TOPSIS巖爆預(yù)測模型及其應(yīng)用[J]. 巖石力學(xué)與工程學(xué)報(bào), 2013, 32(S2):3705-3711.

ZHOU Kepin, LEI Tao, HU Jianhua. Prediction model of RS-TOPSIS rock burst in deep metal mine and its application [J]. Journal of Rock Mechanics and Engineering, 2013, 32(S2):3705-3711.

[12] 賈寶山, 尹彬, 王翰釗, 等. AHP耦合TOPSIS的煤礦安全評價模型及其應(yīng)用[J]. 中國安全科學(xué)學(xué)報(bào), 2015, 25(8):99-105.

JIA Baoshan, YIN Bin, WANG Hanzhao, et al. Coal mine safety evaluation model with AHP-TOPSIS and its application[J]. China Safety Science Journal, 2015, 25(8):99-105.

[13] KARAHALIOS H. The application of the AHP-TOPSIS for evaluating ballast water treatment systems by ship operators[J]. Transportation Research Part D-Transport and Environment, 2017, 52(A): 172-184.

[14] 陳金強(qiáng), 李群湛. 基于灰色TOPSIS和DGA的變壓器狀態(tài)預(yù)測[J]. 高壓電器, 2015, 51(9):39-43.

CHEN Jinqiang, LI Qunzhan. Transformer state prediction based on gray TOPSIS and DGA[J]. High voltage electrical appliances, 2015, 51(9):39-43.

[15] 程文清，李新葉.基于改進(jìn)理想點(diǎn)解法的電力變壓器狀態(tài)綜合評估[J].高壓電器，2009，45(6)：120-123, 127.

CHENG Wenqing, LI Xinye. Comprehensive evaluation of power transformer state based on improved TOPSIS[J]. High voltage electrical appliances, 2009, 45(6):120-123,127.

[16] 狄彥, 帥健, 王曉霖, 等. 油氣管道事故原因分析及分類方法研究[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23(7):109-115.

DI Yan, SHUAI Jian, WANG Xiaolin, et al. Cause analysis and classification of oil and gas pipeline accident[J]. China Safety Science Journal, 2013, 23(7):109-115.

[17] 俞樹榮, 馬欣, 梁瑞, 等. 基于層次分析法的管道風(fēng)險(xiǎn)因素權(quán)數(shù)確定[J]. 天然氣工業(yè), 2005, 25(6):132-133.

YU Shurong, MA Xin, LIANG Rui, et al. Determining the weight of pipeline risk factors based on analytic hierarchy process[J]. Natural Gas Industry, 2005, 25(6):132-133.

[18] 易云兵, 姚安林. 基于不確定層次分析法確定管道風(fēng)險(xiǎn)因素權(quán)重[J]. 天然氣工業(yè), 2006, 26(3):149-151.

YI Yunbing, YAO Anlin. Determining the weight of pipeline risk factors based on uncertain analytic hierarchy process[J]. Natural Gas Industry, 2006, 26(3):149-151.

[19] 趙忠剛，姚安林，趙學(xué)芬，等.油氣管道風(fēng)險(xiǎn)因素的權(quán)重賦值方法研究[J].天然氣工業(yè)，2007，27(7)：103-105, 108.

ZHAO Zhonggang, YAO Anlin, ZHAO Xuefen, et al. Study on weight assignment method of risk factors of oil and gas pipeline[J]. Natural Gas Industry, 2007, 27(7):103-105,108.

[20] SUN Haoyang, WANG Sufen, HAO Xinmei. An improved analytic hierarchy process method for the evaluation of agricultural water management in irrigation districts of North China[J]. Agricultural Water Management, 2017, 179(SI): 324-337.

[21] 劉玉玲，游春.改進(jìn)的層次分析法在公路隧道施工安全評價中的應(yīng)用[J].安全與環(huán)境工程，2009，16(3)：75-78,91.

LIU Yuling, YOU Chun. Application of improved analytic hierarchy process in safety assessment of highway tunnel construction[J]. Safety and environmental engineering， 2009，16(3)：75-78,91.

[22] 張?zhí)燔姡K琳，喬寶明，等.改進(jìn)的層次分析法在煤與瓦斯突出危險(xiǎn)等級預(yù)測中的應(yīng)用[J].西安科技大學(xué)學(xué)報(bào)，2010，30(5)：536-542,547.

ZHANG Tianjun, SU Lin，QIAO Baoming，et al. Application of improved analytic hierarchy process in coal and gas outburst hazard level prediction[J]. Journal of Xi'an University of Science and Technology, 2010, 30(5):536-542,547.