危化品事故情景推演網(wǎng)絡(luò)構(gòu)建及關(guān)鍵節(jié)點(diǎn)分析*

趙士翔，胡春春，馬 蘭

(1.武漢大學(xué) 測(cè)繪學(xué)院，湖北 武漢 430070； 2.航天信息股份有限公司，北京 100195)

0 引言

突發(fā)公共安全事件發(fā)生前兆不明顯、破壞性較強(qiáng)，具有明顯的復(fù)雜性和潛在的次生危害[1]。危險(xiǎn)化學(xué)品事故作為后果較為嚴(yán)重的1類(lèi)突發(fā)事件，其演變路徑復(fù)雜而不確定，涉及范圍廣。近年來(lái)，針對(duì)危險(xiǎn)化學(xué)品事故處置方法，“情景-應(yīng)對(duì)”型決策范式逐漸代替?zhèn)鹘y(tǒng)“預(yù)測(cè)-應(yīng)對(duì)”型決策范式[2]。依據(jù)事故實(shí)況，快速有效地制定應(yīng)急處置措施，成為事故處理決策部門(mén)的首要任務(wù)，而情景是決策者作出決策的重要依據(jù)。

“情景”(Scenario)一詞最早被定義為“對(duì)事件未來(lái)發(fā)展的潛在結(jié)果和趨向及其發(fā)展路徑的描述”[3]。此后，許多學(xué)者從情景描述、情景要素界定和情景演變等方面開(kāi)展相關(guān)研究：仲秋雁等[4]提出基于知識(shí)元的情景概念模型及其實(shí)例化方法；王顏新等[5]以致災(zāi)因子、承災(zāi)體和孕災(zāi)環(huán)境作為情景組成要素；裘江南等[6]通過(guò)“輸入-狀態(tài)-輸出”3層網(wǎng)絡(luò)結(jié)構(gòu)描述突發(fā)事件情景。情景按照事件發(fā)展規(guī)律和外界人為干擾，由原始狀態(tài)至產(chǎn)生新的情景過(guò)程稱(chēng)為情景演變[7]。姜卉等[7]基于“情景、處置目標(biāo)、處置措施及事件自身演變”4要素，提出情景演變的網(wǎng)絡(luò)化表達(dá)方式；Mohammed等[8]在環(huán)境決策研究中提出由情景定義、情景構(gòu)造、情景分析、情景評(píng)估和風(fēng)險(xiǎn)管理構(gòu)成的情景演化框架；Pomweol[9]從穩(wěn)健性和風(fēng)險(xiǎn)控制2方面提出降低情景決策樹(shù)復(fù)雜性的方法；盛勇等[10]從系統(tǒng)復(fù)雜性、開(kāi)放式預(yù)先設(shè)想以及序貫性3個(gè)角度理解突發(fā)事件情景演化機(jī)理，并構(gòu)建突發(fā)事件情景演化系統(tǒng)模型。但上述研究尚未解決“情景-應(yīng)對(duì)”模式中情景演變的不確定性和動(dòng)態(tài)性問(wèn)題。

在情景推演部分相關(guān)研究中通過(guò)引入動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)理論來(lái)解決以上問(wèn)題。徐堅(jiān)強(qiáng)等[11]構(gòu)建基于貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)推理網(wǎng)絡(luò)模型，動(dòng)態(tài)評(píng)估建筑火災(zāi)風(fēng)險(xiǎn)；王健等[12]構(gòu)建?；返缆愤\(yùn)輸事故情景分析貝葉斯網(wǎng)絡(luò)模型，提出“初發(fā)事故-?；肥鹿省蹦Ｊ降氖鹿舒滎A(yù)測(cè)方法。此外，針對(duì)突發(fā)事件的情景推演研究還需要深入剖析影響事件情景演化方向的各類(lèi)關(guān)鍵因素。

本文基于?；肥鹿是榫盃顟B(tài)及其對(duì)應(yīng)孕災(zāi)環(huán)境、應(yīng)急活動(dòng)和處置目標(biāo)4類(lèi)情景要素，構(gòu)建動(dòng)態(tài)貝葉斯情景推演網(wǎng)絡(luò)，實(shí)現(xiàn)?；肥鹿赎P(guān)鍵情景推演，掌握事故可能發(fā)展方向，并結(jié)合復(fù)雜網(wǎng)絡(luò)知識(shí)進(jìn)行關(guān)鍵節(jié)點(diǎn)分析，以期在事故節(jié)點(diǎn)中篩選高敏感度和重要度的影響因素節(jié)點(diǎn)，使應(yīng)急處置措施決策和實(shí)施更具針對(duì)性，進(jìn)一步為危化品事故應(yīng)急處置提供決策支持。

1 ?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)

在?；肥鹿恃芯恐?，情景構(gòu)成要素指反映?；肥鹿拾l(fā)生、發(fā)展?fàn)顟B(tài)以及趨勢(shì)的主要因素，不同學(xué)者對(duì)于情景要素的構(gòu)成持有不同觀(guān)點(diǎn)?；诠舶踩摹叭切卫碚撃Ｐ汀盵13]，考慮到?；肥鹿实陌l(fā)展和處置過(guò)程中受到內(nèi)部演化和外部干預(yù)等諸多因素影響，將危化品事故情景構(gòu)成要素分為以下5部分：1)情景狀態(tài)(S)，主要指應(yīng)急客體的狀態(tài)，包括致災(zāi)因子和承災(zāi)體的情景狀態(tài)。2)處置目標(biāo)(T)，指應(yīng)急決策主體依據(jù)情景的不同狀態(tài)制定的不同處置目標(biāo)。3)應(yīng)急活動(dòng)(A)，指應(yīng)急決策主體依據(jù)情景的不同狀態(tài)對(duì)應(yīng)急客體采取的處置行為與措施。4)孕災(zāi)環(huán)境(E)，?；肥鹿蕿?zāi)害孕育發(fā)生、發(fā)展和演變的外部環(huán)境。5)?；肥鹿首陨硌葑?D)，指?；肥鹿室罁?jù)自身發(fā)生、發(fā)展規(guī)律的演變過(guò)程。

?；肥鹿拾l(fā)生后，情景S在受到自身演變規(guī)律和孕災(zāi)環(huán)境E影響的同時(shí)，會(huì)由于應(yīng)急決策主體的介入受到應(yīng)急活動(dòng)A的影響。用處置目標(biāo)T衡量影響作用的效果優(yōu)劣，根據(jù)處置目標(biāo)T達(dá)成與否，判斷情景S后續(xù)朝積極或消極的方向演變?yōu)橄乱磺榫?。下一情景繼續(xù)發(fā)生類(lèi)似的演變，直至事故結(jié)束。

若將情景要素視為貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)，根據(jù)發(fā)展順序鏈接事故所有情景，可用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模擬事故發(fā)展演變，以節(jié)點(diǎn)概率值衡量情景發(fā)生的可能性大小，進(jìn)一步實(shí)現(xiàn)事故演變方向及路徑的定量推演。

1.1 ?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)構(gòu)建

貝葉斯網(wǎng)絡(luò)是基于概率分析和圖論，對(duì)不確定性知識(shí)進(jìn)行表示的推理模型，它支持不完全數(shù)據(jù)推理和不確定推理[14]，可以解決情景推演分析中事件發(fā)展的隨機(jī)性和不確定性問(wèn)題。貝葉斯網(wǎng)絡(luò)是由節(jié)點(diǎn)和連接節(jié)點(diǎn)的有向邊構(gòu)成的有向無(wú)環(huán)圖(Directed Acyclic Graph，DAG)。其中，節(jié)點(diǎn)表示變量或者隨機(jī)參數(shù)；有向邊表示節(jié)點(diǎn)間的因果關(guān)系，用箭頭“→”表示，節(jié)點(diǎn)間因果關(guān)系的強(qiáng)弱用條件概率表示。動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)既能夠描述變量間的概率關(guān)系，又能反映其在時(shí)間維度上的變化，適用于危化品事故這類(lèi)同時(shí)具有因果相關(guān)性和時(shí)序相關(guān)性的情景推演分析。

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)是條件概率公式P(xi|y)和聯(lián)合概率公式P(x1,x2,…,xn)，如式(1)～(2)所示：

(1)

(2)

式中：x為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中父節(jié)點(diǎn)的集合；y為子節(jié)點(diǎn)集合；n表示父節(jié)點(diǎn)集合中節(jié)點(diǎn)個(gè)數(shù)；P為概率值，取值為0≤P≤1?；谑?1)～(2)，根據(jù)節(jié)點(diǎn)先驗(yàn)概率、相互關(guān)系及其條件概率，可以求得網(wǎng)絡(luò)中所有節(jié)點(diǎn)的聯(lián)合概率。

將?；肥鹿恃葑冞^(guò)程中的關(guān)鍵情景狀態(tài)，及其對(duì)應(yīng)孕災(zāi)環(huán)境、應(yīng)急活動(dòng)和處置目標(biāo)等要素作為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)變量，依據(jù)情景要素之間的因果關(guān)系和事件自身演變規(guī)律，將該節(jié)點(diǎn)變量連接起來(lái)構(gòu)成?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)。動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建主要包括以下3個(gè)步驟：

1)確定網(wǎng)絡(luò)節(jié)點(diǎn)變量

在人工構(gòu)建動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中，節(jié)點(diǎn)變量主要通過(guò)專(zhuān)家打分方法確定。為最大限度降低事故損失，減小應(yīng)急決策失誤的可能性，將悲觀(guān)主義決策準(zhǔn)則應(yīng)用在危化品事故情景片段劃分中。其決策原則是“小中取大”，從事故最壞角度出發(fā)，即在多個(gè)最壞結(jié)果組成的集合中選取相對(duì)的最優(yōu)結(jié)果。由專(zhuān)家對(duì)同一情景進(jìn)行打分，將得分最小值作為該情景的打分結(jié)果，在得分超過(guò)設(shè)定閾值的情景中，優(yōu)先選取得分最大的作為事故演化過(guò)程中的關(guān)鍵情景。

本文以天津港“8·12”瑞海公司危險(xiǎn)品倉(cāng)庫(kù)特別重大火災(zāi)爆炸事故[15](后文簡(jiǎn)稱(chēng)為天津港“8·12” 火災(zāi)爆炸事故)為例，根據(jù)事故發(fā)展過(guò)程及主要時(shí)間節(jié)點(diǎn)，確定共12個(gè)關(guān)鍵情景狀態(tài)；確定與部分情景狀態(tài)相關(guān)聯(lián)的孕災(zāi)環(huán)境和應(yīng)急活動(dòng)要素，以及判定推演走向的處置目標(biāo)各7個(gè)，具體如表1所示。

表1 天津港“8·12”瑞海公司危險(xiǎn)品倉(cāng)庫(kù)特別重大火災(zāi)爆炸事故Table 1 Scenario elements of “8·12” fire and explosion accident in Tianjin Port

將表1數(shù)據(jù)作為構(gòu)建動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)。根據(jù)網(wǎng)絡(luò)節(jié)點(diǎn)實(shí)際意義，對(duì)節(jié)點(diǎn)變量類(lèi)型和取值狀態(tài)進(jìn)行以下設(shè)定：情景狀態(tài)S、孕災(zāi)環(huán)境E和應(yīng)急活動(dòng)A變量類(lèi)型為布爾變量，取值為{真(T)，假(F)}；處置目標(biāo)T變量類(lèi)型為二值順序變量，取值為{積極(P)，消極(N)}。

2)確定節(jié)點(diǎn)變量因果關(guān)系

根據(jù)節(jié)點(diǎn)變量之間的因果關(guān)系和事故自身演化規(guī)律，用有向箭頭“→”將相關(guān)節(jié)點(diǎn)進(jìn)行關(guān)聯(lián)。根據(jù)情景節(jié)點(diǎn)之間的演變關(guān)系，構(gòu)建天津港“8·12”特別重大火災(zāi)爆炸事故動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)示意，如圖1所示。事故演變路徑將在不同情景狀態(tài)以及不同孕災(zāi)環(huán)境和應(yīng)急活動(dòng)作用下，朝著積極或消極的方向發(fā)展。

圖1 天津港“8·12” 火災(zāi)爆炸事故情景動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)示意Fig.1 Schematic diagram for dynamic Bayesian network of “8.12” fire and explosion accident scenario in Tianjin Port

3)確定節(jié)點(diǎn)變量概率分配

?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)結(jié)構(gòu)確定以后，需要確定各節(jié)點(diǎn)之間的關(guān)聯(lián)強(qiáng)度，即節(jié)點(diǎn)變量之間的條件概率。對(duì)于沒(méi)有父節(jié)點(diǎn)的初始節(jié)點(diǎn)，需要指定其先驗(yàn)概率。對(duì)于有父節(jié)點(diǎn)的網(wǎng)絡(luò)節(jié)點(diǎn)，其節(jié)點(diǎn)間因果關(guān)系較為復(fù)雜，涉及到的影響因素較多，主要通過(guò)相關(guān)領(lǐng)域?qū)＜医?jīng)驗(yàn)進(jìn)行打分或指定進(jìn)而確定其條件概率。

1.2 危化品事故情景推演實(shí)例分析

在確定?；肥鹿蕜?dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)及節(jié)點(diǎn)變量的相關(guān)概率之后，根據(jù)公式(1)～(2)可由父節(jié)點(diǎn)先驗(yàn)概率和子節(jié)點(diǎn)條件概率，計(jì)算得到網(wǎng)絡(luò)中各子節(jié)點(diǎn)的狀態(tài)概率。根據(jù)各處置目標(biāo)的狀態(tài)概率大小確定情景演變路徑的方向。

根據(jù)以上計(jì)算原理，本文設(shè)計(jì)開(kāi)發(fā)“?；啡紵ㄊ鹿是榫巴蒲菹到y(tǒng)”。推演網(wǎng)絡(luò)中各節(jié)點(diǎn)狀態(tài)概率如圖2所示，由圖2可以看出，此次事故發(fā)生概率最大的情景依次為有倉(cāng)庫(kù)起火S0，大面積燃燒S2，蔓延至毗鄰環(huán)境S4，火勢(shì)繼續(xù)擴(kuò)大S7，危化品爆炸S10及二次爆炸S12這6個(gè)情景，發(fā)生概率分別為100%、69.1%、77.4%、87.1%、76.8%、57.7%，與天津港“8·12” 特別重大火災(zāi)爆炸事故實(shí)際情景的發(fā)生順序一致。

圖2 天津港“8·12”火災(zāi)爆炸事故情景網(wǎng)絡(luò)節(jié)點(diǎn)概率計(jì)算結(jié)果Fig.2 Calculation results of network nodes probabilities of “8·12” fire and explosion accident scenario in Tianjin Port

在初始情景S0中，該?；穫}(cāng)庫(kù)存放的硝化棉受熱分解自燃，發(fā)現(xiàn)火情后雖及時(shí)報(bào)警并采取簡(jiǎn)單滅火措施，但處置目標(biāo)火災(zāi)熄滅T0有效性?xún)H為28.8%，將以69.1%的可能性演變至情景大面積燃燒S2。由于事故所在地為危化品倉(cāng)庫(kù)，堆積有易燃易爆的化工原料，周邊物流及貿(mào)易公司存放有大量車(chē)輛，火災(zāi)發(fā)生后消防力量不足以有效控制火情，情景依次演變?yōu)槁又僚彮h(huán)境S4和火勢(shì)繼續(xù)擴(kuò)大S7，其發(fā)生概率分別為77.4%，87.1%。經(jīng)過(guò)長(zhǎng)時(shí)間高溫燃燒，部分裝有硝酸銨的集裝箱發(fā)生爆炸，事故情景以76.8%的概率演變?yōu)槲；繁⊿10。由于事故現(xiàn)場(chǎng)發(fā)生爆炸，造成消防人員傷亡，滅火救援等行動(dòng)暫時(shí)受到阻滯，應(yīng)急救援行動(dòng)的有效性被明顯削減，事故現(xiàn)場(chǎng)緊接著發(fā)生第2次爆炸。從火災(zāi)發(fā)生到火勢(shì)蔓延再到?；繁ǎ鶕?jù)推演概率，該事故演變依次經(jīng)過(guò)出現(xiàn)火災(zāi)S0-大面積燃燒S2-蔓延至毗鄰環(huán)境S4-火勢(shì)繼續(xù)擴(kuò)大S7-危化品爆炸S10-二次爆炸S12等情景，與事故實(shí)際情景相符。情景推演網(wǎng)絡(luò)除推演事故演變路徑，也可以探究孕災(zāi)環(huán)境及應(yīng)急活動(dòng)要素對(duì)于事故演變的影響。例如在火勢(shì)繼續(xù)擴(kuò)大S7情景下，若周?chē)h(huán)境不存在硝酸銨，燃燒物這一影響因素的概率將降低40%～50%，孕災(zāi)環(huán)境E7的概率將隨之降低10%～12%，應(yīng)急活動(dòng)A7的有效性將升高8%～10%，事故具有更大可能性向積極方向演變。

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)有效應(yīng)對(duì)情景推演中的不確定性和動(dòng)態(tài)性問(wèn)題，根據(jù)歷史案例和專(zhuān)家打分得到的節(jié)點(diǎn)條件概率，給情景推演網(wǎng)絡(luò)添加了靈活性。在推演過(guò)程中，可以在預(yù)設(shè)概率的基礎(chǔ)上，動(dòng)態(tài)調(diào)整節(jié)點(diǎn)的發(fā)生概率以契合事故實(shí)況，在條件概率的傳遞作用下動(dòng)態(tài)推演后續(xù)情景節(jié)點(diǎn)的發(fā)生概率。從情景推演網(wǎng)絡(luò)中分析節(jié)點(diǎn)的敏感性與重要性，找出影響推演的關(guān)鍵要素也是推演分析研究的主要內(nèi)容。

2 推演網(wǎng)絡(luò)中節(jié)點(diǎn)敏感性與重要度分析

從防災(zāi)減災(zāi)角度，在突發(fā)事件發(fā)生后，如何高效科學(xué)決策，采取有效措施截?cái)嗷蛘邷p緩災(zāi)害鏈?zhǔn)椒磻?yīng)的發(fā)生，與控制事故演變方向同等重要[16]。在對(duì)危化品事故進(jìn)行情景狀態(tài)概率推演的基礎(chǔ)上，對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)變量進(jìn)行敏感性和重要度分析，可探究某一節(jié)點(diǎn)概率變化對(duì)于目標(biāo)節(jié)點(diǎn)概率變化的敏感程度大小，以及各節(jié)點(diǎn)變量在整個(gè)網(wǎng)絡(luò)中占據(jù)的重要程度，以期從網(wǎng)絡(luò)節(jié)點(diǎn)層面為?；肥鹿蕬?yīng)急決策提供輔助支持。

2.1 主網(wǎng)絡(luò)節(jié)點(diǎn)敏感性與重要度分析

貝葉斯網(wǎng)絡(luò)是變量及其關(guān)系的完整模型，具有良好的敏感度分析功能。通過(guò)某節(jié)點(diǎn)概率的1個(gè)微小調(diào)整，分析其對(duì)于目標(biāo)節(jié)點(diǎn)概率所產(chǎn)生的影響，影響程度大小的量化值，可較明顯地反映節(jié)點(diǎn)間因果作用的強(qiáng)弱。

利用貝葉斯網(wǎng)絡(luò)仿真軟件GeNIe 2.0，對(duì)天津港“8·12”特別重大火災(zāi)爆炸事故的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中其他節(jié)點(diǎn)對(duì)事故關(guān)鍵節(jié)點(diǎn)S10危化品爆炸的敏感性進(jìn)行分析，計(jì)算結(jié)果中最為敏感的節(jié)點(diǎn)及其敏感性值分別為T(mén)7“火勢(shì)縮小、人員基本撤離”(0.432)、E7“長(zhǎng)時(shí)間燃燒、環(huán)境高溫”(0.289)、T8“火災(zāi)熄滅”(0.229)、A7“消防滅火、撤離人員”(0.214)和A8“增強(qiáng)消防滅火”(0.212)等。結(jié)果表明，上述節(jié)點(diǎn)的概率變化對(duì)于情景節(jié)點(diǎn)“危化品爆炸”的影響程度較大，事故處置時(shí)從以上節(jié)點(diǎn)入手可有效影響演變走向，而計(jì)算結(jié)果也側(cè)面驗(yàn)證節(jié)點(diǎn)關(guān)聯(lián)關(guān)系設(shè)定的合理性。

同時(shí)，應(yīng)用復(fù)雜網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)相關(guān)理論，可甄別出?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)中對(duì)網(wǎng)絡(luò)演化起到關(guān)鍵作用的節(jié)點(diǎn)。介數(shù)中心性度量的是1個(gè)節(jié)點(diǎn)出現(xiàn)在網(wǎng)絡(luò)中最短路徑上的頻率，而特征向量中心性在衡量節(jié)點(diǎn)重要性時(shí)，既考慮其鄰居節(jié)點(diǎn)的數(shù)量，也考慮其鄰居節(jié)點(diǎn)的重要性。在推演網(wǎng)絡(luò)中，主網(wǎng)絡(luò)中重要度指標(biāo)值位列前列的節(jié)點(diǎn)見(jiàn)表2。由表2可以看出，處置目標(biāo)T2(火災(zāi)熄滅)和T4(阻止火勢(shì)繼續(xù)蔓延)是火災(zāi)初始階段和迅速發(fā)展階段之間的重要連接節(jié)點(diǎn)，情景S7和S8直接影響“?；繁ā鼻榫肮?jié)點(diǎn)，其在事故演化過(guò)程中的重要性不言而喻。

表2 情景推演網(wǎng)絡(luò)節(jié)點(diǎn)重要度指標(biāo)值Table 2 Index values of node importance in scenario deduction network

2.2 因素層網(wǎng)絡(luò)節(jié)點(diǎn)敏感性與重要度分析

通過(guò)事故歷史案例和面向一線(xiàn)單位及相關(guān)領(lǐng)域?qū)＜业膯?wèn)卷調(diào)查分析，本文在事故演化的各個(gè)階段分別探究孕災(zāi)環(huán)境和應(yīng)急活動(dòng)要素的具體影響因素，部分影響因素會(huì)對(duì)多個(gè)情景要素產(chǎn)生影響，對(duì)該部分影響因素進(jìn)行整合合并。應(yīng)急活動(dòng)的主要影響因素包括監(jiān)測(cè)預(yù)警A_1、警戒疏散A_2、消防力量A_3、避難點(diǎn)及醫(yī)院A_4等。孕災(zāi)環(huán)境的主要影響因素有：人為火種E_1、自然火種E_2、危險(xiǎn)源E_3、火場(chǎng)環(huán)境E_4和有害氣液E_5等。燃燒物EA_1和建筑密度及耐火性EA_2能夠同時(shí)影響應(yīng)急活動(dòng)和孕災(zāi)環(huán)境。上述影響因素與主網(wǎng)絡(luò)中各階段的孕災(zāi)環(huán)境和應(yīng)急活動(dòng)要素組成的影響因素層網(wǎng)絡(luò)局部示意如圖3所示。在實(shí)際推演過(guò)程中，各影響因素將根據(jù)事故實(shí)況影響A、E類(lèi)節(jié)點(diǎn)，進(jìn)而影響事故情景節(jié)點(diǎn)發(fā)生可能性。

圖3 影響因素層網(wǎng)絡(luò)局部示意Fig.3 Partial schematic diagram of influencing factor layer network

考慮到網(wǎng)絡(luò)結(jié)構(gòu)和條件概率參數(shù)值會(huì)直接影響節(jié)點(diǎn)敏感程度，通過(guò)調(diào)整在父節(jié)點(diǎn)狀態(tài)(T/F)取不同值的情況下，子節(jié)點(diǎn)對(duì)應(yīng)條件概率參數(shù)值的差值，得到不同差值情況下的影響因素網(wǎng)絡(luò)節(jié)點(diǎn)敏感性值，如圖4所示。圖4中橫軸代表因素層網(wǎng)絡(luò)的初始條件概率(Normal)及調(diào)整的條件概率(adjustment)。在初始條件下，父節(jié)點(diǎn)狀態(tài)取相反值，子節(jié)點(diǎn)條件概率差值為5%。以A_2及其子節(jié)點(diǎn)A2為例，初始條件概率下，A_2的節(jié)點(diǎn)狀態(tài)取T和F時(shí)，A2狀態(tài)為T(mén)的條件概率取值分別為95%，90%，差值為5%。在初始條件下，敏感性最強(qiáng)的3個(gè)影響因素節(jié)點(diǎn)為A_3、EA_2和E_4。在圖4調(diào)整1一欄中，設(shè)定3個(gè)節(jié)點(diǎn)的條件概率差值都為5%，其余節(jié)點(diǎn)的條件概率差值調(diào)整至10%。在圖4調(diào)整2～4 3欄中，分別設(shè)定3個(gè)節(jié)點(diǎn)的條件概率差值為5%，其余節(jié)點(diǎn)的條件概率差值調(diào)整至10%。結(jié)果顯示，在這5種條件概率調(diào)整方案中，消防力量和建筑密度及耐火性2個(gè)影響因素的敏感性較強(qiáng)。

圖4 因素層網(wǎng)絡(luò)節(jié)點(diǎn)敏感性分析結(jié)果Fig.4 Sensitivity analysis results of nodes in factor layer network

由于影響因素網(wǎng)絡(luò)節(jié)點(diǎn)都不具有父節(jié)點(diǎn)，選取調(diào)和緊密中心性這一指標(biāo)作為節(jié)點(diǎn)重要度的衡量值。它是緊密中心性的變體，通過(guò)計(jì)算節(jié)點(diǎn)到其他所有節(jié)點(diǎn)平均距離的倒數(shù)度量重要度。因素網(wǎng)絡(luò)層中根據(jù)調(diào)和緊密中心性計(jì)算得到的比較重要的因素節(jié)點(diǎn)見(jiàn)表3。其中，燃燒物EA_1在網(wǎng)絡(luò)中的重要度指標(biāo)值相對(duì)最高，在實(shí)際情景中，燃燒物的性質(zhì)和數(shù)量也是導(dǎo)致?；啡紵ǖ闹匾蛩?。

從敏感性和重要度的分析結(jié)果可知，因素節(jié)點(diǎn)中消防力量A_3、火場(chǎng)環(huán)境E_4和建筑密度及耐火性EA_2敏感性較強(qiáng)且在網(wǎng)絡(luò)中較為重要；因素節(jié)點(diǎn)中警戒疏散A_2較敏感；避難點(diǎn)及醫(yī)院A_4重要度略強(qiáng)；有害氣液E_5和燃燒物EA_1在網(wǎng)絡(luò)中重要度很強(qiáng)但是節(jié)點(diǎn)本身不敏感。在圖2所示的推演系統(tǒng)中，可根據(jù)各影響因子的敏感性和重要度不同，對(duì)各節(jié)點(diǎn)的狀態(tài)概率取值的調(diào)整提供參考。在實(shí)際應(yīng)急處置過(guò)程中，則需考慮以上因素節(jié)點(diǎn)的不同特性，采取具有針對(duì)性的措施。

表3 因素層網(wǎng)絡(luò)節(jié)點(diǎn)重要度指標(biāo)值Table 3 Index values of node importance in factor layer network

3 結(jié)論

1)在對(duì)危化品事故進(jìn)行情景分析的基礎(chǔ)上，引入動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)理論，以事故中的關(guān)鍵情景狀態(tài)及其所對(duì)應(yīng)的孕災(zāi)環(huán)境、應(yīng)急活動(dòng)和處置目標(biāo)等要素為節(jié)點(diǎn)變量，構(gòu)建?；肥鹿是榫巴蒲菥W(wǎng)絡(luò)，能夠?qū)崿F(xiàn)危化品事故關(guān)鍵情景演變方向及路徑的推演。在天津港“8·12” 特別重大火災(zāi)爆炸事故實(shí)例中，該模型的推演結(jié)果符合事故實(shí)際情景。

2)對(duì)孕災(zāi)環(huán)境和應(yīng)急活動(dòng)要素，在事故演變不同階段的具體影響因素進(jìn)行細(xì)致的劃分，篩選出敏感性和重要度較強(qiáng)的影響因素節(jié)點(diǎn)，有助于在事故應(yīng)急處置中采取具有針對(duì)性措施。

3)?；肥鹿噬婕耙蛩乇姸?，演變的復(fù)雜性和不確定性較強(qiáng)，后期需要著重獲取足夠數(shù)量的實(shí)際案例樣本，以得到更加精確的節(jié)點(diǎn)變量概率值。