基于贝叶斯网络的船舶大风浪中倾覆事故致因分析
时间：2022-11-18 13:05:03 来源：雅意学习网 本文已影响 人 
刘子涛，杜柏松，贾帅林
(浙江海洋大学船舶与海运学院，浙江 舟山 316022)
各国间经济贸易往来的日益频繁，促使航运业快速发展，但也使船舶安全面临巨大的挑战。船舶在海上航行时，经常会遇到大风浪天气，这种天气不仅给船舶的操纵带来很大的困难，而且容易导致船舶倾覆事故的发生。交通运输部海事局统计数据显示，2017年我国共发生一般等级以上中国籍运输船舶水上交通事故196起(沉船80艘)，较2016年上升16.3%。每次倾覆事故的发生都会造成重大经济损失和人员伤亡，给航道通行带来不便，造成海上环境污染。因此，研究船舶倾覆事故具有重要的现实意义。
近年来国内外学者对海上交通事故做的研究主要有：何誉等应用贝叶斯理论分析了易流态货物船舶倾覆搁浅事故，并通过推理学习得到倾覆和搁浅事故的最大致因链，为易流态货物的海上运输提供了指导和建议；
李奕良用贝叶斯网络可视化软件(GeNie软件)建立干散货船沉没事故的贝叶斯网络，并通过诊断推理的方式找出船舶自沉的最大致因链，确定各风险因子对船舶自沉事故的影响程度；
张笛等采用贝叶斯网络对船舶倾覆事故后果进行预测，并对船舶倾覆应急措施进行评估；
张志成等结合2005—2015年在南海发生的搁浅事故，利用贝叶斯网络建立船舶搁浅致因模型，对船舶搁浅事故进行概率分析与预测；
AFENYO等利用贝叶斯网络分析北极的航运事故，找出对事故影响最大的因素；
三宅里奈等通过分析阪神港的集装箱船碰撞事故，评估船舶碰撞事故发生时的态势感知；
KIM等应用Logistic回归对船舶碰撞事故进行研究，提取了与船舶碰撞相关的各种变量，并对船舶碰撞事故发生的概率进行了计算。
船舶在大风浪中发生倾覆事故的原因往往多而复杂，这就给事故的分析带来了困难。贝叶斯网络是一种基于概率推理的数学模型，它不仅可以清晰地表示大型复杂系统网络节点间概率的依赖关系，而且能够从不完全或不确定的知识或信息中进行推理。当历史数据缺失时，贝叶斯网络不仅可以将已知的信息进行融合并进行预测推理，而且可以根据新获得的信息不断地修正预测。随着已知信息的增加，贝叶期网络得到的结果会更加精确。基于此，本文引入贝叶斯网络理论，并综合船舶在大风浪中倾覆事故的致因，构建大风浪中船舶倾覆事故的贝叶斯网络，并对其进行验证与推理。
1.1 基本概念
贝叶斯网络又称信度网络，是目前不确定性知识表达和推理领域中最有效的理论模型之一。用有向无环图(directed acyclic graph, DAG)和条件概率表(conditional probability table, CPT)表示贝叶斯网络。DAG表示节点间存在的关系，CPT则表示节点间关系的强度。
DAG由节点及连接节点的有向边构成。节点表示随机变量，各节点之间用单向箭头连接，表示节点间的因果关系。箭头起始于父节点,末端指向子节点。每个节点的CPT包含所有可能存在的父节点组合。节点概率分布描述子节点与父节点之间的相关性,事件发生的联合概率可表示为
(1)
式中：为节点的变量，为贝叶斯网络中的变量集，={,=1,2,…,};表示节点的父节点集。
1.2 贝叶斯定理
随机事件和的条件概率就是贝叶斯定理，可表示为
(2)
式中：()和()分别表示事件和事件的先验概率；
(|)表示在事件发生的前提下事件发生的概率，又称事件的后验概率，(|)的意义以此类推。
对于有两个以上变量的情况，贝叶斯定理可表示为
(3)
式中：(|,)表示在事件和发生的前提下事件发生的概率，(|,)的意义以此类推。
2.1 确定贝叶斯网络节点
选择合适的节点是建立贝叶斯网络的前提。本文以中国海事局官网公布的2005—2019年间发生的126起船舶在大风浪中的倾覆事故作为样本,选择其中106起事故建立贝叶斯网络，其余20起事故用于后续的验证和推理。通过分析船舶倾覆事故致因，并将所有事故致因进行整合，筛选出合适的节点，然后剔除事故致因中的小概率事件，最终构建具有三层结构的贝叶斯网络，确定了16个网络节点。船舶在大风浪中倾覆事故的致因见图1。
图1 船舶大风浪中倾覆事故致因
将船舶倾覆事故设置为输出节点，将事故致因按照人的因素、船舶因素、环境因素和管理因素四类进行划分，并对相应的节点进行命名。
(1)人的因素。安全意识不强H：指船员在危险出现时思想麻痹，导致船舶倾覆事故的发生。船员经验或能力不足H：指船员无法应对大风浪的航行环境或者无法熟练操纵船舶，使得船舶发生倾覆事故的概率增加。船长指挥不当H:指船长对出现的危险不能及时做出正确判断，对船员指挥不当。
(2)船舶因素。船龄大S:指船舶老龄化导致船舶出现一系列问题，从而更容易受到外界风浪的影响，发生倾覆事故的概率更高。设备故障S：指在船舶航行过程中船舶设备发生故障，导致船员无法及时对外界情况做出反应，间接导致船舶倾覆事故的发生。船舶结构强度不足S:指船舶的维修保养不足，船舶无法达到适航条件，致使船舶倾覆事故发生。
(3)环境因素。能见度低E：指船员在能见度低的情况下极易发生操纵失误，从而造成船舶倾覆。通航环境差E：指由于风、浪、流的存在，船舶的储备浮力受到直接或间接的影响，从而引起倾覆事故的发生。
(4)管理因素。积载不当M：当货物超载或者系固不牢时，船舶的稳性可能会不足，从而引发船舶倾覆，这属于船公司管理方面的不足。配员不足M：船舶在海上航行未能达到主管机关颁发的《船舶最低安全配员证书》的要求。安全管理不足M：船运公司安全管理制度不完善或船舶航行安全措施不到位。
2.2 确定贝叶斯网络节点的值域
在确定贝叶斯网络节点后,也应确定每个节点的值域。在本文研究的船舶倾覆模型中：节点存在“是”和“否”两个状态,分别用1和0表示；
每个节点的数值表示相应的概率，该值越大，事件发生的概率越高。
2.3 构建贝叶斯网络
以收集的106起倾覆事故为研究样本，分析每一起倾覆事故的因果链，再综合全部样本的因果链，形成一个完整的船舶在大风浪中倾覆事故的贝叶斯网络，见图2。其中，C表示船舶倾覆事件。
图2 船舶在大风浪中倾覆事故的贝叶斯网络
2.4 确定节点的条件概率
从106起船舶在大风浪中的倾覆事故中提取事故致因并进行离散化处理,作为贝叶斯网络学习的样本参数。通过计算每一事故致因所引起倾覆事故的数量与事故样本总量之比来计算贝叶斯网络各节点的先验概率，计算结果见表1。
表1 贝叶斯网络各节点的先验概率
通过统计学方法和贝叶斯公式确定所有节点的条件概率。通过表1中节点的先验概率计算中间节点的条件概率，并将其输入贝叶斯网络。以节点“人的因素”为例，可以得到图3。图3中，state1表示该节点对应的事件在倾覆事故中发生了,state0表示该节点对应的事件在倾覆事故中并未发生。
图3 节点“人的因素”的条件概率
Netica是一种贝叶斯网络搭建与仿真软件。它构建的贝叶斯网络可以自动学习样本数据并通过对先验概率的计算分析出节点对结果的影响程度。通过Netica软件能够实现对船舶倾覆事故的推理与预测。为验证本文所建立的船舶在大风浪中倾覆事故的贝叶斯网络的正确性,利用Netica软件进行建模，绘制船舶在大风浪中倾覆事故的贝叶斯网络。
3.1 贝叶斯网络验证
选择事故样本中未参与贝叶斯网络建立的20起船舶在大风浪中的倾覆事故,验证贝叶斯网络的有效性。以下是事故样本中常州“中海588”号船沉没事故实例。
事故概况如下：2015年8月8日17:21时许，江苏省射阳县某公司所属的“中海588”号船自常州孢子洲水上过驳区装载黄砂开往靖江，在由南向北横越航道的过程中翻沉，在船2人全部落水失踪，构成一般等级水上交通事故。事故结论为：船舶未按要求配备适任船员，驾驶人员的安全意识不强且不具备应有的船舶驾驶及应急处置能力；
在航行环境恶劣、能见度不良的情况下，未谨慎驾驶、及早选择安全水域避风。通过分析海事局的调查报告，将报告中的事故发生原因“安全意识不强、船员能力不足、能见度低、配员不足”作为节点输入贝叶斯网络中,其节点的概率设置为“state1=1”,贝叶斯网络得到的联合概率为90.4%，见图4。
图4 “中海588”号船倾覆事故验证
由此可以得出结论，在“安全意识不强、船员能力不足、能见度低、配员不足”的情况下，“中海588”号船发生倾覆事故的概率为90.4%，说明建立的贝叶斯网络对该事故是适用的。
用所建立的贝叶斯网络预测其他19艘船的倾覆事故发生概率，进一步验证所建立的贝叶斯网络，结果见表2。通过表2可知，19艘船的倾覆事故发生概率均在80%以上，其中：有2艘船(占10.53%)的倾覆事故发生概率在90%以上；
有14艘船(占73.68%)的倾覆事故发生概率在85%～90%，有3艘船(占15.79%)的倾覆事故发生概率在80%～85%。因此，所以建立的贝叶斯网络对船舶在大风浪中倾覆事故的预测与实际情况高度相符。由此说明，本文所建立的贝叶斯网络能有效预测船舶倾覆事故的发生，可以对船舶倾覆事故进行贝叶斯推理。
表2 19艘船倾覆事故发生概率贝叶斯网络预测结果
3.2 贝叶斯网络的推理
在对该贝叶斯网络进行逆向推理时，假定船舶倾覆事故发生的概率为100%，则“船舶倾覆”节点的state1=1，推理结果见图5。
图5 贝叶斯网络逆向推理结果
由图5可知：在船舶倾覆事故的致因中，人的因素出现的概率最大，为92.4%；
船舶因素、环境因素出现的概率分别为62.7%、74.8%，管理因素出现的概率最小，为56.9%。从人的因素看，安全意识不强对事故的影响最大；
从船舶因素看，设备故障对船舶倾覆事故的影响最大；
从环境因素看，通航环境差对事故的影响最大；
从管理方面看，船舶配员不足对事故的影响最大。
3.3 船舶倾覆事故预防
人的因素是船舶倾覆事故发生的主要原因，但防止倾覆事故的发生需要从多方面着手。首先，要增加船员培训次数来加强船员的安全意识，提高船员的技能水平和应急反应能力，航行前要做好应急预案。其次，船舶设备在航行前需要仔细检查，船舶配员应至少达到《船舶最低安全配员证书》的最低要求。另外，船员要重视海上气象信息，尽量避免船舶在恶劣天气下航行。还有，船员要增强责任意识，航行期间要及时发现危险并采取正确的应对措施,还应确保货物的合理积载。最后海事部门应加强对旧船的检查，加强对航运公司的监管。
本文对2005—2019年间我国船舶在大风浪中发生的倾覆事故进行分析，将倾覆原因划分为人的因素、船舶因素、环境因素和管理因素四个方面。运用贝叶斯网络理论，建立了船舶在大风浪中倾覆的贝叶斯网络，通过对贝叶斯网络的学习和推理，得出以下结论:
(1)本文建立的贝叶斯网络具有良好的数据基础和理论支撑，能够较为准确地分析、预测船舶在大风浪中的倾覆事故，并可针对船舶在大风浪中的航行提供建议和预防措施。
(2)利用贝叶斯网络的推理能力，可得到船舶在大风浪中倾覆的最大致因链，为船运公司和船舶在大风浪中航行提供理论依据。
(3)贝叶斯网络具有很强的处理不确定性问题的能力，在对海上交通情况进行推理、预测和决策方面具有明显的优势。因此，构建的贝叶斯网络对海上船舶倾覆事故的预测具有一定的参考意义。
贝叶斯网络结构更倾向于人为设计,易受到主观因素的影响，后续将考虑补充更多的数据，将贝叶斯网络与机器学习、深度学习等相结合,降低贝叶斯网络对人工的依赖程度,提高对船舶倾覆事故分析的客观性和可靠性，这也是今后学习和研究的方向。
猜你喜欢 贝叶斯风浪船员 不怕风浪的小船小雪花·小学生快乐作文(2020年3期)2020-10-13East Side Story汉语世界(The World of Chinese)(2019年3期)2019-07-01心的方向滇池(2019年1期)2019-02-14租赁房地产的多主体贝叶斯博弈研究智富时代(2018年11期)2018-01-15租赁房地产的多主体贝叶斯博弈研究智富时代(2018年11期)2018-01-15贝叶斯网络概述科教导刊·电子版(2017年32期)2018-01-09贝叶斯公式的应用和推广数学学习与研究(2017年10期)2017-06-222014年9月份船员工资行情参考珠江水运(2014年18期)2014-11-14中韩船员沉船遇难环球时报(2013-02-22)2013-02-22
