摘要:近年來,隨著“一帶一路”倡議的穩(wěn)步推進(jìn),我國(guó)在其沿線國(guó)家開展重大石油項(xiàng)目的需求日益增長(zhǎng)。為應(yīng)對(duì)復(fù)雜的風(fēng)險(xiǎn),減少事故發(fā)生,提出基于關(guān)聯(lián)規(guī)則的石油項(xiàng)目事故風(fēng)險(xiǎn)致因關(guān)聯(lián)網(wǎng)絡(luò)分析方法。首先,整理215份石油項(xiàng)目事故報(bào)告,進(jìn)行風(fēng)險(xiǎn)因素的歸類;其次,通過Apriori算法提取關(guān)聯(lián)規(guī)則;最后,在關(guān)聯(lián)規(guī)則基礎(chǔ)上生成復(fù)雜網(wǎng)絡(luò)模型,量化分析網(wǎng)絡(luò)指標(biāo),確定關(guān)鍵風(fēng)險(xiǎn)因素。研究結(jié)果表明管理因素和人的因素是風(fēng)險(xiǎn)傳播的核心。通過對(duì)高風(fēng)險(xiǎn)節(jié)點(diǎn)的精確管理和控制,能有效降低事故發(fā)生和傳播的風(fēng)險(xiǎn)。
關(guān)鍵詞:“一帶一路”倡議;風(fēng)險(xiǎn)管理;關(guān)聯(lián)規(guī)則;復(fù)雜網(wǎng)絡(luò)分析
0引言
自從我國(guó)提出“一帶一路”倡議以來,可通過海陸兩條線推動(dòng)國(guó)際合作和促進(jìn)區(qū)域經(jīng)濟(jì)一體化。至今,“一帶一路”倡議得到了各國(guó)的廣泛關(guān)注與響應(yīng)。截至2024年9月,已有155個(gè)國(guó)家與我國(guó)簽署了“一帶一路”合作協(xié)議,該倡議已經(jīng)成為我國(guó)對(duì)外開放和全球合作的戰(zhàn)略核心。
近年來,我國(guó)對(duì)于“一帶一路”及其沿線項(xiàng)目需求較高,尤其是以石油為代表的能源項(xiàng)目。石油作為工業(yè)的重要能源,其需求長(zhǎng)期處于較高水平,國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示,2023年我國(guó)石油進(jìn)口依存度高達(dá)72.3%[1],而“一帶一路”沿線國(guó)家擁有豐富的石油資源,占全球探明石油儲(chǔ)量的80%以上[2],加之中美間貿(mào)易摩擦的持續(xù),使得我國(guó)更加注重通過“一帶一路”沿線國(guó)家分散石油進(jìn)口渠道[3],其具有重要的經(jīng)濟(jì)和戰(zhàn)略價(jià)值。
隨著我國(guó)對(duì)于“一帶一路”重大石油項(xiàng)目的需求不斷加大,其中的風(fēng)險(xiǎn)管理需求也變得更加緊迫,除去石油項(xiàng)目本身復(fù)雜的技術(shù)、資金、管理等風(fēng)險(xiǎn),還涉及地緣政治風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)等諸多方面的不確定性,且風(fēng)險(xiǎn)具有復(fù)雜的互動(dòng)關(guān)系和因果聯(lián)系,現(xiàn)有的石油風(fēng)險(xiǎn)模型難以適用于這些特定的環(huán)境,且其大多采用靜態(tài)管理模式,忽視了不同風(fēng)險(xiǎn)之間的相互耦合效應(yīng)和動(dòng)態(tài)變化[4]。因此亟須結(jié)合“一帶一路”沿線國(guó)家的特殊情況,進(jìn)一步研究不同風(fēng)險(xiǎn)因素之間的因果聯(lián)系及其動(dòng)態(tài)變化機(jī)制,以構(gòu)建更加完善的風(fēng)險(xiǎn)管理框架。為石油項(xiàng)目治理提供新方法、新思路,進(jìn)而提升風(fēng)險(xiǎn)管理的科學(xué)性和智能化水平。
1風(fēng)險(xiǎn)致因網(wǎng)絡(luò)模型構(gòu)建
1.1關(guān)聯(lián)規(guī)則挖掘方法
關(guān)聯(lián)規(guī)則是一種數(shù)據(jù)挖掘技術(shù),用以分析數(shù)據(jù)中頻繁出現(xiàn)的項(xiàng)集及不同變量之間的潛在關(guān)系,常用于市場(chǎng)購(gòu)物籃分析、交通安全研究、風(fēng)險(xiǎn)管理等領(lǐng)域[5]。評(píng)估關(guān)聯(lián)規(guī)則有效性時(shí),通常使用的三個(gè)重要指標(biāo),具體如下[6]:
(1)支持度。反應(yīng)某一項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻率,以此為基礎(chǔ)進(jìn)行頻繁項(xiàng)集的篩選。規(guī)則如下
Support(A→B)=Count(A∪B)/Total Transactions
(2)置信度。當(dāng)項(xiàng)集A發(fā)生時(shí)項(xiàng)集B也發(fā)生的概率,反應(yīng)規(guī)則發(fā)生的可能性,即置信度越高,關(guān)聯(lián)規(guī)則越可靠。規(guī)則如下
Confidence(A→B)=Support(A∪B)/Support(A)
(3)提升度。項(xiàng)集A和項(xiàng)集B同時(shí)出現(xiàn)的概率與獨(dú)立出現(xiàn)的概率之比,可評(píng)價(jià)兩個(gè)項(xiàng)集之間相關(guān)關(guān)系的強(qiáng)度。規(guī)則如下
Lift(A→B)=Confidence(A→B)/Support(B)
通過上述三個(gè)指標(biāo),能夠更準(zhǔn)確地評(píng)估數(shù)據(jù)集中不同變量之間的關(guān)聯(lián)強(qiáng)度及其代表性、可靠性、相關(guān)性,為實(shí)際分析提供有價(jià)值的決策支持。
Apriori算法是經(jīng)典的頻繁項(xiàng)集挖掘算法,逐層生成候選項(xiàng)集,并通過子集頻繁性原則進(jìn)行剪枝[7]。此算法結(jié)構(gòu)清晰,易于實(shí)現(xiàn),尤其在處理小規(guī)模數(shù)據(jù)集和事故報(bào)告等文本數(shù)據(jù)時(shí)表現(xiàn)良好[8-9]。鑒于本文所收集事故報(bào)告案例為文本數(shù)據(jù),且數(shù)據(jù)量在百條左右,適合選用Apriori算法識(shí)別關(guān)鍵風(fēng)險(xiǎn)因子的關(guān)聯(lián),以更加全面地分析風(fēng)險(xiǎn)特征。
1.2復(fù)雜網(wǎng)絡(luò)分析方法
復(fù)雜網(wǎng)絡(luò)分析法是研究系統(tǒng)中不同元素之間關(guān)系的工具,由圖論和統(tǒng)計(jì)學(xué)發(fā)展而來,現(xiàn)已應(yīng)用于風(fēng)險(xiǎn)管理領(lǐng)域[10-13]。其將系統(tǒng)中的元素以節(jié)點(diǎn)的形式表示,節(jié)點(diǎn)之間的邏輯關(guān)系以邊的形式表示,由此構(gòu)建復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu),研究其拓?fù)浜徒y(tǒng)計(jì)特征。主要分析指標(biāo)如下:
(1)節(jié)點(diǎn)的度。表示與該節(jié)點(diǎn)相連的邊的數(shù)量,在風(fēng)險(xiǎn)管理中表現(xiàn)為與多個(gè)風(fēng)險(xiǎn)因子相關(guān)的重要節(jié)點(diǎn),其可以幫助識(shí)別關(guān)鍵風(fēng)險(xiǎn)因素,如故障頻繁關(guān)聯(lián)的操作或環(huán)境因素。
(2)聚類系數(shù)。表示節(jié)點(diǎn)與相鄰節(jié)點(diǎn)彼此相連的概率,較高聚類系數(shù)表明因子之間存在緊密聯(lián)系,可能產(chǎn)生風(fēng)險(xiǎn)間鏈條反應(yīng)。
(3)網(wǎng)絡(luò)直徑。表示兩個(gè)節(jié)點(diǎn)之間最短路徑的最大值,可評(píng)估最壞情況下風(fēng)險(xiǎn)傳播的最遠(yuǎn)距離。
(4)平均路徑長(zhǎng)度。表示兩個(gè)節(jié)點(diǎn)之間最短路徑的平均長(zhǎng)度,以反應(yīng)網(wǎng)絡(luò)的連通性。
(5)緊密度。表示節(jié)點(diǎn)連接其他節(jié)點(diǎn)的能力,能力高的節(jié)點(diǎn)對(duì)于項(xiàng)目整體風(fēng)險(xiǎn)傳播至關(guān)重要。
在風(fēng)險(xiǎn)管理領(lǐng)域?qū)㈥P(guān)聯(lián)規(guī)則和復(fù)雜網(wǎng)絡(luò)相結(jié)合的研究取得了不少成果。在煤礦事故中,羅茜茜[14]通過構(gòu)建基于關(guān)聯(lián)規(guī)則的事故因果網(wǎng)絡(luò),研究了煤礦事故中的關(guān)鍵因素及其關(guān)聯(lián),揭示了復(fù)雜環(huán)境中的潛在風(fēng)險(xiǎn)傳遞機(jī)制。在金融風(fēng)險(xiǎn)管理中,李奕君等[15]使用復(fù)雜網(wǎng)絡(luò)模型分析了金融系統(tǒng)中不同風(fēng)險(xiǎn)因素的傳播關(guān)系,提出了針對(duì)高風(fēng)險(xiǎn)節(jié)點(diǎn)的防范策略。在工程項(xiàng)目管理中,范如國(guó)等[16]采用復(fù)雜網(wǎng)絡(luò)模型,結(jié)合關(guān)聯(lián)規(guī)則分析復(fù)雜項(xiàng)目中的風(fēng)險(xiǎn)因素,發(fā)現(xiàn)了風(fēng)險(xiǎn)傳播路徑及關(guān)鍵節(jié)點(diǎn)。通過結(jié)合關(guān)聯(lián)規(guī)則與復(fù)雜網(wǎng)絡(luò)分析,能夠更加系統(tǒng)地識(shí)別和應(yīng)對(duì)潛在風(fēng)險(xiǎn),更有效地挖掘風(fēng)險(xiǎn)傳遞的機(jī)制,實(shí)現(xiàn)更高效的風(fēng)險(xiǎn)管理與決策支持。
2風(fēng)險(xiǎn)致因網(wǎng)絡(luò)模型分析
2.1數(shù)據(jù)收集和預(yù)處理
本文數(shù)據(jù)來源于應(yīng)急管理部網(wǎng)站,共收集到215份石油項(xiàng)目事故調(diào)查報(bào)告??紤]到事故報(bào)告涉及的時(shí)間、地理范圍較廣,事故報(bào)告的格式、內(nèi)容、描述均存在差異,需要對(duì)收集到的事故調(diào)查報(bào)告進(jìn)行處理和整合。處理報(bào)告時(shí)需提取事故時(shí)間、類型、傷亡情況、經(jīng)濟(jì)損失等信息。根據(jù)風(fēng)險(xiǎn)管理中“人機(jī)環(huán)管”模型,對(duì)報(bào)告中事故所涉及的數(shù)據(jù)風(fēng)險(xiǎn)因素進(jìn)行初步提取并分層,同時(shí)對(duì)相似的風(fēng)險(xiǎn)因素進(jìn)行統(tǒng)一歸集,初步分析如下:
人的因素主要包括違反操作規(guī)程、員工缺乏專業(yè)技能、安全意識(shí)淡薄等;設(shè)備因素主要包括罐體或管線破裂損壞、安全裝置缺失或損壞等;環(huán)境因素包括環(huán)境中可燃?xì)怏w濃度高、明火等;管理因素包括作業(yè)方案不健全、安全教育培訓(xùn)不到位、監(jiān)督檢查不到位等。
對(duì)事故報(bào)告初步分析發(fā)現(xiàn),這些不同類型的事故共造成967人死亡,5632人受傷,造成經(jīng)濟(jì)損失221.01億元,社會(huì)危害極大,嚴(yán)重威脅了人民群眾的生命和財(cái)產(chǎn)安全。從事故類型來看,共包括6類:爆炸事故,占比18.6%;物體打擊事故,占比15.8%;機(jī)械傷害事故,占比11.2%;高處墜落事故,占比9.3%;火災(zāi)事故,占比8.4%;其他事故,占比27.4%。從事故等級(jí)來看,共包含8起特別重大事故,8起重大事故,26起較大事故,173起一般事故。從事故風(fēng)險(xiǎn)因素來看,共收集到52個(gè)事故風(fēng)險(xiǎn)因素,統(tǒng)計(jì)分析其出現(xiàn)頻數(shù),發(fā)現(xiàn)部分風(fēng)險(xiǎn)因素出現(xiàn)頻次極低,且多為個(gè)性化的獨(dú)有風(fēng)險(xiǎn)因素。為避免關(guān)聯(lián)規(guī)則冗余,刪除頻次較低的風(fēng)險(xiǎn)因素,篩選出現(xiàn)頻次在6次及以上的風(fēng)險(xiǎn)因素,最終保留31個(gè)風(fēng)險(xiǎn)因素。事故風(fēng)險(xiǎn)因素類別如圖1所示。
進(jìn)行關(guān)聯(lián)規(guī)則分析之前,還需將提煉出的風(fēng)險(xiǎn)因素進(jìn)行歸類和標(biāo)簽化處理,將非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)化為更易處理的結(jié)構(gòu)化標(biāo)簽,便于后續(xù)的深入分析。風(fēng)險(xiǎn)因素標(biāo)簽見表1。
2.2石油項(xiàng)目風(fēng)險(xiǎn)關(guān)聯(lián)規(guī)則挖掘
在完成數(shù)據(jù)預(yù)處理和風(fēng)險(xiǎn)因素提取后,對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘。為確保關(guān)聯(lián)規(guī)則分析的準(zhǔn)確性和有效性,必須合理設(shè)置支持度和置信度等參數(shù),以便在不遺漏重要信息的情況下,最大限度地提高規(guī)則的有效性。
2.2.1閾值確定
設(shè)置參數(shù)對(duì)關(guān)聯(lián)規(guī)則的挖掘結(jié)果有重要影響。一方面,如果設(shè)置較高的支持度與置信度,則生成關(guān)聯(lián)規(guī)則條數(shù)會(huì)較少,容易遺漏有用數(shù)據(jù),忽視部分風(fēng)險(xiǎn)之間的關(guān)聯(lián)性[17];另一方面,所設(shè)置較低的支持度和置信度,雖然規(guī)則條數(shù)較多,但易保留無關(guān)信息或噪聲數(shù)據(jù),增加篩選結(jié)論的難度。不同閾值下關(guān)聯(lián)規(guī)則置信度與支持度分析如圖2所示。分析結(jié)果顯示,將項(xiàng)集置信度設(shè)置為0.5,規(guī)則支持度設(shè)置為0.03,此時(shí)得出的關(guān)聯(lián)規(guī)則最為合理。
2.2.2關(guān)聯(lián)規(guī)則生成與分析
由圖2可知,利用python實(shí)現(xiàn)Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則計(jì)算,并剔除少數(shù)提升度小于1或明顯不合理的規(guī)則,保留55條關(guān)聯(lián)規(guī)則,其中支持度排序較高的前二十條關(guān)聯(lián)規(guī)則結(jié)果分析見表2。
由表2可知,支持度最高的規(guī)則是:“安全意識(shí)淡薄→違反操作規(guī)程”,其支持度為0.131,表明數(shù)據(jù)中這兩個(gè)因素共同出現(xiàn)的比例達(dá)13%,往往相伴發(fā)生,具有較強(qiáng)的關(guān)聯(lián)性,是需要著重關(guān)注的風(fēng)險(xiǎn)組合;置信度最高的規(guī)則為:“違反操作規(guī)程、安全管理制度不落實(shí)→安全意識(shí)淡薄”,其置信度為1.000,表明前項(xiàng)風(fēng)險(xiǎn)存在時(shí),必然會(huì)導(dǎo)致安全意識(shí)淡薄的現(xiàn)象。因此,只有通過嚴(yán)格管理并規(guī)范操作行為,確保安全管理制度的落實(shí),才能根治員工安全意識(shí)薄弱的問題;提升度最高的規(guī)則為:“監(jiān)督檢查不到位、安全管理制度不落實(shí)→操作失誤”,其提升度高達(dá)6.100,表明前兩項(xiàng)風(fēng)險(xiǎn)存在時(shí),出現(xiàn)操作失誤的可能性大幅增加,前兩者對(duì)操作失誤的產(chǎn)生有著較高影響[18]。
綜上所述,石油事故的發(fā)生與人的因素中安全意識(shí)薄弱、違反操作規(guī)程,以及管理因素中安全管理制度不落實(shí)密切相關(guān),均屬于薄弱環(huán)節(jié)。因此,通過加強(qiáng)相關(guān)教育培訓(xùn)和完善管理制度,以減少事故發(fā)生。
2.3事故風(fēng)險(xiǎn)因素關(guān)聯(lián)網(wǎng)絡(luò)分析
在完成關(guān)聯(lián)規(guī)則的挖掘與分析后,雖然靠規(guī)則能夠揭示部分風(fēng)險(xiǎn)因素的關(guān)聯(lián)性,但更具復(fù)雜性、系統(tǒng)性的風(fēng)險(xiǎn)傳播機(jī)制卻難以通過單條規(guī)則呈現(xiàn)。為進(jìn)一步探查風(fēng)險(xiǎn)因素系統(tǒng)間的相互作用,有必要進(jìn)行復(fù)雜網(wǎng)絡(luò)的構(gòu)建,其不僅可以將關(guān)聯(lián)規(guī)則轉(zhuǎn)化為更加直觀的網(wǎng)絡(luò)圖結(jié)構(gòu),還能發(fā)現(xiàn)潛在的關(guān)鍵節(jié)點(diǎn)和影響路徑,從而為事故風(fēng)險(xiǎn)的預(yù)警與處置提供更具指導(dǎo)性的建議。
根據(jù)所得的55條關(guān)聯(lián)規(guī)則,將風(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)組合作為節(jié)點(diǎn),將風(fēng)險(xiǎn)間關(guān)聯(lián)關(guān)系作為節(jié)點(diǎn)間的邊,將規(guī)則提升度作為對(duì)應(yīng)邊的權(quán)重,構(gòu)建55×55的鄰接矩陣。其中,鄰接矩陣部分?jǐn)?shù)據(jù)見表3。
觀察矩陣數(shù)據(jù)發(fā)現(xiàn)存在全零行和全零列,即部分節(jié)點(diǎn)處于孤立狀態(tài)。此類節(jié)點(diǎn)不會(huì)與其他任何節(jié)點(diǎn)產(chǎn)生交互影響,對(duì)于分析沒有實(shí)際貢獻(xiàn),且會(huì)造成不必要的計(jì)算負(fù)擔(dān),因此將其去除。最終保留39個(gè)節(jié)點(diǎn),構(gòu)建石油事故風(fēng)險(xiǎn)致因關(guān)聯(lián)網(wǎng)絡(luò),如圖3所示。
該網(wǎng)絡(luò)圖共包含39個(gè)節(jié)點(diǎn)和52條邊,并通過節(jié)點(diǎn)大小和顏色、邊的長(zhǎng)度展示不同類型節(jié)點(diǎn)的相對(duì)重要性和它們之間的聯(lián)系。其中,節(jié)點(diǎn)分為三類,包含6個(gè)人的因素節(jié)點(diǎn)、7個(gè)管理因素節(jié)點(diǎn)、26個(gè)組合因素節(jié)點(diǎn)。在網(wǎng)絡(luò)中人的因素節(jié)點(diǎn)與多個(gè)管理因素和組合因素緊密相連,管理因素節(jié)點(diǎn)在網(wǎng)絡(luò)中處于中心位置,組合因素節(jié)點(diǎn)所占比例最高,連接了人的因素和管理因素,形成了復(fù)雜的相互作用關(guān)系。
通過對(duì)三種節(jié)點(diǎn)的初步分析可知,管理因素是整個(gè)網(wǎng)絡(luò)的核心,起到了助推和連接的作用。而人的因素往往與管理缺位相結(jié)合,導(dǎo)致風(fēng)險(xiǎn)加劇,組合風(fēng)險(xiǎn)則是風(fēng)險(xiǎn)共同作用的結(jié)果。這表明石油事故致因的復(fù)雜性,為更加細(xì)致的描述每個(gè)風(fēng)險(xiǎn)因素的特性,采用復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)的度、網(wǎng)絡(luò)直徑、節(jié)點(diǎn)的平均路徑長(zhǎng)度、節(jié)點(diǎn)的聚類系數(shù)和節(jié)點(diǎn)的緊密度這5個(gè)指標(biāo)對(duì)風(fēng)險(xiǎn)節(jié)點(diǎn)進(jìn)行量化分析。
2.3.1節(jié)點(diǎn)的度
在石油事故致因動(dòng)態(tài)關(guān)聯(lián)網(wǎng)絡(luò)中,節(jié)點(diǎn)的平均度為2.667,64.1%的節(jié)點(diǎn)度值低于平均值,表明大多數(shù)節(jié)點(diǎn)關(guān)聯(lián)性較低,而少數(shù)節(jié)點(diǎn)在網(wǎng)絡(luò)中起關(guān)鍵作用。人的因素(如H1)和管理因素(如M4、M5、M3)節(jié)點(diǎn)度值較高,加強(qiáng)對(duì)這些關(guān)鍵因素的管控有助于阻礙風(fēng)險(xiǎn)擴(kuò)散,降低事故危害。這表明加強(qiáng)監(jiān)督檢查力度、落實(shí)安全管理制度、培訓(xùn)員工規(guī)范性操作等措施在預(yù)防事故發(fā)生中的重要性。網(wǎng)絡(luò)中節(jié)點(diǎn)的度值如圖4所示。
2.3.2網(wǎng)絡(luò)直徑與節(jié)點(diǎn)的平均路徑長(zhǎng)度
石油事故致因動(dòng)態(tài)關(guān)聯(lián)網(wǎng)絡(luò)中,網(wǎng)絡(luò)直徑為6。節(jié)點(diǎn)的平均路徑長(zhǎng)度為3.11,說明網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)連接到另一個(gè)節(jié)點(diǎn)不需要超過4個(gè)節(jié)點(diǎn),如兩類不安全行為的節(jié)點(diǎn)H1和節(jié)點(diǎn)H6可以穿過并連接節(jié)點(diǎn)M3、H5、M4形成風(fēng)險(xiǎn)鏈,反映出網(wǎng)絡(luò)緊密相連,風(fēng)險(xiǎn)因素高度相關(guān),節(jié)點(diǎn)狀態(tài)的變化很容易觸發(fā)節(jié)點(diǎn)間的連鎖反應(yīng)。
2.3.3節(jié)點(diǎn)的聚類系數(shù)
關(guān)聯(lián)網(wǎng)絡(luò)中平均聚類系數(shù)為0.035。其中,節(jié)點(diǎn)H6、M3、H4的聚類系數(shù)較高,在關(guān)聯(lián)網(wǎng)絡(luò)中表現(xiàn)為此節(jié)點(diǎn)與相鄰節(jié)點(diǎn)之間的聯(lián)系更加密切,從而導(dǎo)致其聚類系數(shù)變大。當(dāng)這些節(jié)點(diǎn)的狀態(tài)發(fā)生變化時(shí),極易引發(fā)相鄰節(jié)點(diǎn)之間的連鎖反應(yīng),從而導(dǎo)致事故發(fā)生。
2.3.4節(jié)點(diǎn)的緊密度
關(guān)聯(lián)網(wǎng)絡(luò)中節(jié)點(diǎn)的緊密度為0.062,緊密度排名顯示,單因素節(jié)點(diǎn)M4、M3、H1、M5對(duì)關(guān)聯(lián)網(wǎng)絡(luò)中其他節(jié)點(diǎn)的影響較大,是造成石油事故發(fā)生的根本原因。
3結(jié)語(yǔ)
分析“一帶一路”石油項(xiàng)目的重要性和必要性,收集到215起石油項(xiàng)目事故報(bào)告,將相似風(fēng)險(xiǎn)因素進(jìn)行整合,按照出現(xiàn)頻次進(jìn)行篩選,歸類為4類31種風(fēng)險(xiǎn)因素并進(jìn)行標(biāo)簽化處理,系統(tǒng)全面地認(rèn)識(shí)石油事故中呈現(xiàn)的各類風(fēng)險(xiǎn)。
關(guān)聯(lián)規(guī)則分析結(jié)果顯示,造成石油項(xiàng)目事故頻發(fā)的風(fēng)險(xiǎn)因素為安全意識(shí)淡薄、違反操作規(guī)程、安全管理制度不落實(shí)、安全教育培訓(xùn)不到位、監(jiān)督檢查不到位,且其往往相伴發(fā)生,并極易引發(fā)其他風(fēng)險(xiǎn),在生產(chǎn)作業(yè)中必須對(duì)其嚴(yán)加把控。
以關(guān)聯(lián)規(guī)則的前后項(xiàng)為節(jié)點(diǎn)構(gòu)建復(fù)雜網(wǎng)絡(luò),對(duì)網(wǎng)絡(luò)的指標(biāo)進(jìn)行定量分析。提出加強(qiáng)監(jiān)督檢查力度、落實(shí)安全管理制度、培訓(xùn)員工操作規(guī)范性等應(yīng)對(duì)措施,提供一定的決策支持和建議。然而,本文僅收集產(chǎn)生風(fēng)險(xiǎn)因素和發(fā)生事故的數(shù)據(jù)案例,未來研究中可收集風(fēng)險(xiǎn)因素產(chǎn)生后,對(duì)其有效應(yīng)對(duì)并妥善化解的案例,分析其應(yīng)對(duì)方案的有效原因,為我國(guó)“一帶一路”重大石油項(xiàng)目風(fēng)險(xiǎn)的預(yù)防提供理論支持。
參考文獻(xiàn)
[1]國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司.中國(guó)能源統(tǒng)計(jì)年鑒:2023[M].北京:中國(guó)統(tǒng)計(jì)出版社,2023.
[2]苑基榮.中石油經(jīng)研院發(fā)布《2023年油氣行業(yè)發(fā)展報(bào)告》[J].企業(yè)觀察家,2024(2):42-43.
[3]尹佳音.新冠疫情背景下中國(guó)石油進(jìn)口安全問題研究[J].中國(guó)能源,2021,43(1):64-67.
[4]WU Y N, WANG J,JI S Y,et al.Renewable energy investment risk assessment for nations along Chinas belt amp; road initiative: an ANP-cloud model method[J].Energy, 2020(190):116381.
[5]OSADCHIY T, POLIAKOV I,OLIVIER P,et al."Recommender system based on pairwise association rules[J].Expert Systems with Application, 2019, 115(1):535-542.
[6]紀(jì)文璐,王海龍,蘇貴斌,等.基于關(guān)聯(lián)規(guī)則算法的推薦方法研究綜述[J].計(jì)算機(jī)工程與應(yīng)用,2020,56(22):33-41.
[7]李英,湯庸.基于關(guān)聯(lián)規(guī)則與相似度的數(shù)據(jù)挖掘算法研究[J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,53(5):121-127.
[8]牛毅,李振明,樊運(yùn)曉.基于數(shù)據(jù)挖掘的高速公路貨車交通事故影響因素關(guān)聯(lián)分析研究[J].安全與環(huán)境工程,2020,27(4):180-188.
[9]王萬良,張兆娟,高楠,等.基于人工智能技術(shù)的大數(shù)據(jù)分析方法研究進(jìn)展[J].計(jì)算機(jī)集成制造系統(tǒng),2019,25(3):529-547.
[10]岳希堅(jiān),袁永博,張明媛,等.基于復(fù)雜網(wǎng)絡(luò)理論識(shí)別油庫(kù)關(guān)鍵安全風(fēng)險(xiǎn)因素[J].中國(guó)安全科學(xué)學(xué)報(bào),2017,27(5):146-151.
[11]ZHOU Z P, IRIZARRY J, LI Q M.Using network theory to explore the complexity of subway construction accident network (scan) for promoting safety management[J].Safety Science, 2014, 64:127-136.
[12]張勇,張琪,劉少乾,等.基于復(fù)雜網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析的引水隧洞坍塌事故致因分析[J].項(xiàng)目管理技術(shù),2024,22(10):27-34.
[13]朱錦春,孟慶峰.基于復(fù)雜網(wǎng)絡(luò)的建筑工人不安全行為強(qiáng)關(guān)聯(lián)機(jī)理研究[J].項(xiàng)目管理技術(shù),2024,22(6):58-66.
[14]羅茜茜.基于文本數(shù)據(jù)的安全生產(chǎn)事故自分類模型與風(fēng)險(xiǎn)預(yù)控研究[D].徐州:中國(guó)礦業(yè)大學(xué),2023.
[15]李奕君.金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)程度及傳染效應(yīng)的差異性研究——基于SRISK模型和復(fù)雜網(wǎng)絡(luò)分析法的實(shí)證分析[J]. 金融經(jīng)濟(jì),2022(9):19-28.
[16]范如國(guó).復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)范型下的社會(huì)治理協(xié)同創(chuàng)新[J].中國(guó)社會(huì)科學(xué),2014,(4):98-120,206.
[17]馮胤偉,劉正江,蔣子怡,等.基于關(guān)聯(lián)規(guī)則挖掘和復(fù)雜網(wǎng)絡(luò)理論的船舶碰撞事故影響因素分析[J].大連海事大學(xué)學(xué)報(bào),2023,49(3):31-44.
[18]吳莞姝,薛影,趙凱,等.基于復(fù)雜網(wǎng)絡(luò)的鼓浪嶼旅游街區(qū)關(guān)聯(lián)規(guī)則識(shí)別與特征分析[J].地球信息科學(xué)學(xué)報(bào),2024,26(2):440-459.
收稿日期:2024-12-23
作者簡(jiǎn)介:
王雨欣(2000—),女,研究方向:風(fēng)險(xiǎn)管理與智慧應(yīng)急。
王長(zhǎng)峰(通信作者)(1965—),男,教授,博士研究生導(dǎo)師,研究方向:智慧應(yīng)急管理、智慧工程管理。
*基金項(xiàng)目:“一帶一路”重大項(xiàng)目風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)測(cè)與預(yù)警研究(22amp;ZD135)。