《武汉工程大学学报》  2022年01期 112-118   出版日期：2022-02-28   ISSN:1674-2869   CN:42-1779/TQ

---

基于云模型的化工园区安全风险评估


化工安全生产事故一直是政府安全生产监管的重中之中，严重威胁人民生命财产安全［1］。为了提高化工园区安全性，提升安全评价、安全监管工作的有效性和准确性，政府相关管理部门相继出台《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）、《化工园区综合评价导则》（GB/T 39217-2020）等文件及标准为安全生产管理工作提供依据。但即便如此，化工园区安全生产事故依旧频发，依据应急管理部公布的《2019年全国化工事故分析报告》，2019年全国共发生化工事故164起，死亡274人，其中发生了3起重特大事故，江苏响水天嘉宜化工有限公司“3·21”特别重大事故造成78人死亡、76人重伤，直接经济损失19.86亿元。济南齐鲁天和惠世制药有限公司“4·15”重大着火中毒事故造成10人死亡、12人受伤，直接经济损失1 867万元。三门峡市义乌气化厂“7·19”重大爆炸事故造成15人死亡、16人重伤，直接经济损失8 170万元。为推进韧性化工园区建设，提高化工园区整体安全性，降低风险，对化工园区安全风险预防控制方法的研究具有十分重大的意义［2］。2015年潘长城［3］结合事故致因理论与“人、物、管、环”建立化工园区安全风险评价体系，并最先采用优化误差反向传播算法（error back propagation training，BP）神经网络评价法对园区安全风险水平进行研究，建立了基于BP神经网络的化工园区安全风险评价模型。2017年周德红等［4］依据事故树分析法执果索因构建层次模型，首次运用BP神经网络评价法和遗传优化-误差反向传播算法（genetic algorithm-error back propagation training，GA-BP）神经网络评价法对园区应急能力进行评价，评价结果显示GA-BP神经网络评价法优于BP神经网络法，并建立了基于GA-BP神经网络的化工园区应急能力评价模型。2018年王勇等［5］最先提出运用定量风险评价法（quantitative risk assessment，QRA）从个人风险值和社会风险值两个角度对化工园区整体风险进行评价。同年裴甲坤等［6］从企业内部固有风险、企业安全生产现状以及事故应急处置能力3个角度建立了化工园区安全评价体系，并第一次采用密切值法评价得到园区整体的密切值，进而评判园区整体安全水平。2020年王起全等［7］首次将情景构建分析运用到化工园区重大危险源的风险控制中，通过将园区事故发生的情景进行构建，分析在不同应对措施下事故的演化过程，进而为提出更有效的应急措施奠定基础。当前研究中化工园区安全风险评价体系的构建普遍不具备权威性，且所采用的综合评价方法仍以模糊数学综合评价法和BP神经网络评价法为主。本研究依据国家新出台的《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）构建的化工园区安全风险评价体系更具备权威性和全面性；同时依据《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）对3家化工园区进行现场调研并打分作为实际结果，再采用层次分析法对评价体系中各指标因素权重进行计算，最后依据模糊数学综合评价法和云模型评价法对园区进行安全风险评估，将两种综合评价法所得的结果与实际结果进行对比研究，综合得出一种更优的化工园区安全风险评估模型。1　三种风险评估理论1.1　层次分析法层次分析法是建立在系统理论基础上的一种解决实际问题的方法。该方法将实际问题层次化，根据具体问题的特点和目标，将问题剖析为不同的组成因素，并依据因素之间的关系构建成多层次的结构分析模型，并依据因素之间的对比判断，对其比率定量化，形成比较矩阵，最终得到各个层级中各因素的权重［8-9］。1.2　模糊数学综合评价法模糊数学综合评价法是将专家主观意见转换为客观数据的定量评价方法。一般分为4个步骤进行计算：①模糊综合评价指标的构建，本文中依据《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）构建评价指标体系；②采用层次分析法得到因素权重结果，构建权重向量；③建立适合的隶属函数，从而构建评价矩阵；④评价矩阵和权重采用适合的合成因子对其进行合成，并对结果向量进行解释［10-11］。1.3　云模型评价法云模型主要用于定性与定量之间的转换，自然界的不确定性从属性角度来说主要有随机性和模糊性，与单色光的“波粒二象性”相似。“云”是云模型的基本单元，是指在其论域上的分布，可以以联合概率的形式（x，μ）来类比［12-13］。1.3.1　云模型数值特征值　期望：云滴在论域空间分部的期望，在云图中表示云滴在论域中的数学期望，一般用Ex表示；熵：不确定性程度，由离散程度和模糊程度共同决定，在云图中表示云滴在论域中分布的横向范围，一般用En表示；超熵：用来度量熵的不确定性，亦即熵的熵，在云图中表示云滴的集中程度，也表示云层的厚度，一般用He表示。1.3.2　正态云发生器　正态云发生器是依据（Ex，En，He）生成n个云滴所形成云图的程序，其中每个云滴都是依据这3个数值特征量所产生［14］，工作流程如图1所示。图1　正态云发生器Fig. 1　Normal cloud generator一维正向正态云发生器的算法实现流程如下：1）生成以En为期望，以He为标准差的正态随机数[En’ ]；2）生成以Ex为期望，以abs（[En’ ]）为标准差的正态随机数x；3）计算隶属度即确定度：[u=exp (-x-Ex22En’ 2)]，则（x，u）是论域中的一个云滴，通常也选用[u=exp (-(x-a)22b2)]（a，b为常量）作为隶属度函数。4）依次循环实现1~3，直至形成足够多的云滴。1.3.3　云　图　1）标准云CV。标准云是依据评语集生成的云图，具体计算公式如下：[Exv=xmax+xmin2]，[Env=xmax-xmin6]，[Hev=kEnv] （1）式（1）中：[xmax、xmin]分别为评分中的最大值和最小值，k值表示熵与超熵之间的线性关系，本研究中将其取为0.1［15］。2）评价云Cu。为生成评价云，首先要得到3个数值特征值，评价云数值特征值计算公式如式（2）所示：[Exu=X=1ni=1nxi]，[Enu=π21ni=1nxi-Exu]，[Heu=|Enu2-S2|] （2）式中S2为样本方差。按式（2）计算得到3个数值特征值后，即可得到评价云。3）综合云C。基于各因素的评价云，可以结合层次分析法所得到的权重得到综合云。计算公式如式（3）所示：[Ex=i=1n(Exui×ωi)]，[En=i=1n(Enui2×ωi)]，[He=i=1n(Heui×ωi)] （3）2　样本参数选取2.1　现场隐患排查治理检查及调研课题组于2020年11-12月随专家组赴湖北省内3家化工园区进行检查，调研园区现场安全情况，收集专家评分资料及相关数据资料。现场检查评分结果如表1所示。表1　化工园区安全风险评估分值汇总表Tab. 1　Summary of safety risk evaluation scores in chemical industry parks[序号 要素 园区①分值 园区②分值 园区③分值 1 设立（15分） 15 0 10 2 选址和规划（30分） 30 8 20 3 园区内布局（20分） 20 10 20 4 准入和准出（25分） 15 11 20 5 配套功能设施（35分） 33 20 35 6 一体化安全管理及救援（40分） 36 14 30 总计（百分制计分） 90.30 38.18 81.82 ]注：《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）中总分计分制为百分制2.2　层次分析法分析研究中参考《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）安全风险排查治理检查表中的检查条款，构建风险评估指标体系，广泛采纳专家意见，构建判断矩阵，并进行一致性检验得出权重结果。化工园区安全风险评价指标体系如图2所示，各因素的权重如表2所示。3　计算实例3.1　模糊数学综合评价法依据层次分析法得到各因素权重，因此各评估权重集如下：[A=0.04 0.38 0.25 0.07 0.10 0.16][A1=0.54 0.30 0.16][A2=0.38 0.10 0.06 0.04 0.25 0.16][A3=0.10 0.28 0.16 0.47][A4=0.05 0.28 0.28 0.11 0.07 0.03 0.18][A5=0.22 0.22 0.22 0.06 0.09 0.04 0.04 0.13][A6=0.23 0.11 0.16 0.03 0.02 0.33 0.06 0.06]基于现场调研收集的相关资料和记录，邀请9名专家采用专家打分法对园区的风险进行评估，评估的主要内容为指标层各因素的打分项，评估共分为5个级别，分别为优秀、良好、合格、差以及极差，具体等级划分如表3所示（指标打分同为此标准）［16］。表3　风险等级划分Tab. 3　Risk classification[风险等级 安全评级 分值区间 低风险 优秀 [90，100] 较低风险 良好 [80，90） 一般风险 合格 [60，80） 较高风险 差 [40，60） 高风险 极差 [0，40） ]依据专家意见结合园区实际情况，确定化工园区安全风险二级评估指标的评价矩阵Bi，分别如下所示（以园区①为例）：[B1=7929 0 0 0232919 0 0791919 0 0 B2=592929 0 0491329 0 0291923 0 08919 0 0 0592929 0 07929 0 0 0][B3=59291919 07929 0 0 079 0 29 0 08919 0 0 0 B4=231929 0 02313 0 0 0231929 0 08919 0 0 07929 0 0 07929 0 0 0197919 0 0][B5=791919 0 07929 0 0 08919 0 0 08919 0 0 01323 0 0 05949 0 0 089 0 19 0 0494919 0 0 B6=791919 0 02329 0 19 05949 0 0 08919 0 0 07929 0 0 07929 0 0 04959 0 0 029492919 0]计算一级评估指标评估矩阵中各矩阵：[J1=A1?B1=0.744 4 0.204 4 0.051 1 0 0][J2=A2?B2=0.567 8 0.220 0 0.202 2 0 0][J3=A3?B3=0.815 6 0.136 7 0.046 7 0.011 1 0][J4=A4?B4=0.602 2 0.304 4 0.093 3 0 0][J5=A5?B5=0.736 7 0.240 0 0.043 3 0 0][J6=A6?B6=0.680 0 0.262 2 0.038 9 0.018 9 0]由J1~J6合成一级评估矩阵J。[J=0.744 4 0.204 4 0.051 1 0 00.567 8 0.220 0 0.202 2 0 00.815 6 0.136 7 0.046 7 0.011 1 00.602 2 0.304 4 0.093 3 0 00.736 7 0.240 0 0.043 3 0 00.680 0 0.262 2 0.038 9 0.018 9 0]最后将一级评估矩阵[J]与一级指标权重阵相乘得到综合评级隶属矩阵：[S=A?J=0.674 0 0.213 2 0.107 6 0.005 8 0]得到隶属度矩阵后，可以依据风险等级划分表，将各区间隶属度乘上区间中位数并累加得到园区①安全风险模糊数学综合评价得分为：0.674 0×95+0.213 2×85+0.107 6×70+0.005 8×50=89.97依据表3，园区①的风险分级为较低风险，安全等级为良好。同理可得园区②和园区③的总得分为38.42和82.50，风险分级为高风险和较低风险。3.2 云模型评价法云模型评价法采用与模糊数学综合评价法相同的百分制计分方式和五级风险等级分级标准。评价依据层次分析法所得的因素权重和专家打分结果（评价所取因素权重与专家打分结果均与模糊数学方法保持一致）确定综合评价云，并最终得到评价结果。3.2.1　标准云　将风险分级标准通过式（1）计算得到标准云的数值特征值，如表4所示。得到标准云数值特征值后，可运用Matlab软件绘制标准云图，如图3（a）所示，从左到右依次为极差~优秀标准云图。表4　标准云的数值特征值Tab. 4　Numerical eigenvalues of standard clouds[安全等级 标准云数值特征值 优秀 （95，1.67，0.167） 良好 （85，1.67，0.167） 合格 （70，3.33，0.333） 差 （50，3.33，0.333） 极差 （20，6.67，0.667） ][0 20 40 60 80 100评价得分][1.00.80.60.40.2][隶属度][1.00.80.60.40.2][隶属度][0 20 40 60 80 100评价得分][ b ][ a ]图3　化工园区安全风险评价云图：（a）标准，（b）综合Fig. 3　Cloud maps of safety risk assessment for chemical industry parks：（a）standard，（b）comprehensive3.2.2　评价云和综合云　取专家打分法9位专家打分结果为样本，用式（2）计算得到各指标数值特征值。再将所得结果结合层次分析法所得指标权重代入式（3）计算得综合云数值特征值。评价云与综合云数值特征值具体结果如表5所示。3.2.3　云模型评价结果　经计算得到化工园区安全风险评价综合云数值特征值为（90.021 4，8.019 9，2.253 2），采用Matlab绘制综合云图，如图3（b）所示。所得数值特征值中的期望代表云模型综合评价分值［17］，所以园区①安全风险云模型评价分值为90.021 4，依据表3可知风险等级为低风险、安全等级为优秀。同理可得园区、园区综合云数值特征值分别为（38.552 4，7.125 3，1.256 3）和（82.232 8，8.231 4，2.224 5），依据表3风险等级分别为高风险和较低风险。3.3　误差分析研究中两种综合评价方法的研究对象都是调研的3个化工园区，同时计算所使用的专家打分结果与指标权重也均相同。因此将评价所得结果与现场打分结果（实际结果）进行对比研究，具体如表6所示。由表6知，云模型评价结果、模糊数学评价结果与现场打分结果的平均误差分别为0.596%和0.608%，显然云模型评价法与模糊综合评价法的评价结果均十分接近于现场打分结果，因此云模型评价法的评价分值准确可靠。表6　三种评价方法对比研究Tab. 6　Comparative study of three evaluation methods[方法 评价得分 平均相对误差 / % 园区① 园区② 园区③ 现场打分法 90.300 0 38.180 0 81.820 0 - 模糊数学评价法 89.970 0 38.420 0 82.500 0 0.608 云模型评价法 90.021 4 38.552 4 82.232 8 0.596 ]4　结　论（1）文中采用的化工园区风险评价体系是依据《化工园区安全风险排查治理导则（试行）》（应急〔2019〕78号）构建的，所建体系更具有权威性和准确性。（2）模糊数学综合评价法与云模型评价法评价结果与实际打分数值的误差基本相同，说明云模型评价法评价结果基本贴合实际，且准确性可靠。同时云模型评价法还可从熵、超熵等定量因素综合评价化工园区安全风险，云图也能更形象地表示评价对象的安全情况。因此，云模型评价法能够更全面有效地评价化工园区安全风险。（3）现场检查评分法具有天然的局限性，主要适用于运行中化工园区现状安全风险评分，无法对化工园区安全风险进行安全预评价，所以云模型评价法在化工园区安全风险评价上的应用，既有准确性高也有适用范围广的优点。