基于灰关联度理论的重大危险源风险评价技术的研究张胜文;孙飞【摘要】为了提高重大危险源风险评估的有效性,采用灰色系统关联度原理,将灰关联分析方法应用于重大危险源风险评估.根据系统安全工程理论,建立了重大危险源评价指标体系,并计算评价指标中的各子系统相对于各个标准评价等级的关联度,然后对各子系统进行较高层次上的综合,以综合结果排序,按隶属度最大原则,确定了重大危险源的风险等级,并开发了原型系统.实例分析表明,本方法简便易行,且结果与实际较为吻合,对重大危险源评估具有较好的适用性.【期刊名称】《江苏科技大学学报（自然科学版）》【年(卷),期】2008(022)005【总页数】6页(P42-47)【关键词】重大危险源;灰色关联度;灰色理论;风险评价【作者】张胜文;孙飞【作者单位】江苏科技大学,机械工程学院,江苏,镇江,212003;江苏科技大学,机械工程学院,江苏,镇江,212003;安徽机电职业技术学院,信息工程系,安徽,芜湖,241001【正文语种】中文【中图分类】X9240 引言风险评价也称安全评价,是对系统存在的危险性进行定性和定量分析、得出系统发生危险的可能性及其程度的评价,以寻求最低事故率、最小损失和最优安全投资效益.风险评价是重大危险源控制的重要内容.20世纪60年代以来,国外在安全评价方面作了大量的工作,提出了许多实用的安全评价方法,如美国道化学公司的火灾爆炸指数法，英国帝国化学公司的“蒙得评价法”，日本劳动省的“六阶段评价法”等危险指数评价技术,以及以概率风险评价为代表的安全系统评价技术.目前,大多数工业发达国家已将安全评价作为工业工程、系统设计、工厂设计和选址，以及应急计划和事故预防措施的重要依据.一些国家还立法规定,工程项目必须进行安全评价.安全评价已经成为当代安全管理中最有成效、正在逐渐完善的一种极为重要的方法[1-2].20世纪80年代初期,安全系统工程引入我国,受到许多大中型企业和行业管理部门的高度重视.进入20世纪90年代以来,模糊理论、灰色系统理论及系统论的思想日益丰富了安全评价的内容,人工神经网络及计算机的发展则拓展了安全评价的技术手段,并将它推向了一个新的高度.重大危险源系统是个复杂的大系统,进行评价时选择合适的方法,即用何种数学工具来解决问题很重要.许多安全评价方法是根据某一行业的危险源来考虑的,有它的特定对象,也有它具体使用的条件.所以安全评价的方法要根据评价的对象和要求正确选取.重大危险源系统是众多因素组成的,具有复杂、影响因素众多的特点,而且很多因素概念模糊,难用传统数学模型加以描述.因此,根据上面各种评价方法的比较和评价方法的选择原则,本文应用灰色系统理论对重大危险源进行安全综合评价.原因有两点: ① 重大危险源系统作为极其复杂的灾害系统,虽然事故的发生机理不明确,但引发事故的因素却相互关联,既有确定性因素，又有非确定性因素,存在着大量的灰色性,是典型的灰色系统; ② 主要考虑到综合评价中样本指标类型较少,且样本数据较少,而灰色综合评价比较适合处理“小样本不确定”问题.1 重大危险源灰色评价原理部分信息已知、部分信息未知的系统,称为灰色系统.灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论,是20世纪80年代初由我国学者邓聚龙教授提出并发展的.灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”的不确定性系统为研究对象,主要通过对“部分”已知信息的生成、开发,提取有价值的信息,实现对系统运行规律的正确描述和有效控制.灰色评估系统是指基于灰色系统理论,对系统或所属因子在某一时段所处的状态做出一种半定性、半定量的评价与描述,以便对系统的综合效果与整体水平形成一个可供比较的概念与类别.系统的状态是由多项指标或一组数据来描述,因此，这种方法称为多维灰色评估方法或灰色综合评估方法,简称灰评估[3-4].灰色关联是指事物之间的不确定关联,或系统因子之间,因子对主行为之间的不确定关联.灰色关联简称为灰关联.灰关联分析的基本任务是基于行为因子序列的微观或宏观几何接近,以分析和确定因子间的影响程度或因子对主行为的贡献测度.应用灰色关联分析方法进行重大危险源系统安全评价,就是计算重大危险源的评价指标序列与参考序列的关联度,来综合评判重大危险源系统发生危险的可能性[5-6].2 基于灰关联度的重大危险源系统风险评价2.1 评价指标体系的确立建立科学的多层次灰色综合评价模型,评价指标体系的确定是其中一个关键的部分.安全生产事故是多种因素作用的结果,根据事故致因理论,事故是“人、机、环境”三要素关系不和谐导致的出乎人们意料的和不希望发生的破坏性事件.在造成职业灾害或伤害的众多原因中,88%属于人的不安全行为引起,10%属于不安全环境造成,2%为其他不可抗拒的因素[7].直接的原因可能是人的不安全行为、物的不安全状态、不卫生的环境因素和不协调的组织管理因素等,但这些因素的形成常常是管理失误造成的,所以管理应当是安全科学的基本要素.为此,从“人、机、环境、管理”系统理论出发,通过咨询、系统分析和向专家发调查表等方法，以及参考工业、企业的安全评价指标体系,并不断地修改完善,构建重大危险源风险评价指标体系[7].重大危险源评价指标体系中各评价指标反映了重大危险源不同方面的安全要求,有些是定性的,有些则是定量的,如何对其进行统一则显得格外重要.本文参照安全评价的标准,将最终评价得到的重大危险源分为A,B,C,D 4个等级,评价指标等级分a,b,c,d 4个等级,其中A级表示重大危险源，安全类别满足国家现行标准规范的安全要求,可以正常进行生产经营活动;B级则表示重大危险源，安全类别处于较安全范围,其相应措施是对局部安全隐患进行及时整改;C级则表示重大危险源，安全类别处于危险范围,其相应措施是对安全隐患进行立即整改;D级则表示重大危险源，安全类别处于很危险的范围,其相应措施是停产整顿.而a则表示评价指标“优”;b 表示评价指标“良”;c表示评价指标“中”;d表示评价指标“差”.为了便于得到一个精确的评估结果,设A或a等级的变量值范围为85～100,B或b为70～85,C 或c为60～70,D或d为0～60,采用中值法,则等级评价矩阵P为[92.5,77.5,65,30].2.2 确定评价指标的权重指标权重的确定问题在各种评价方法中都是最困难的问题.目前测权重的方法众多,如Delphi法(专家咨询法)、相对比较法、连环比率法、重要度比较法、熵值法、层次分析法等.其中,层次分析法是匹兹堡大学著名运筹学家T L Saaty于20世纪70年代提出的[8].这种方法把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,并把数据、专家意见和分析者的主观判断直接地结合起来,就每一层次的相对重要性给予定量表示.然后利用数学方法确定表达每一层次全部要素的相对重要性权值.该方法对各指标之间重要程度的分析更具逻辑性,再加上数学处理,可信度较大,应用范围较广.缺点是各指标之间相对重要程度的判断因专家不同,有一定的主观性.为克服专家对各指标之间相对重要程度的判断不同的缺点,在确定评价指标的基础上,通过对若干名注册安全工程师进行问卷调查,由各个专家根据其多年的工作和实践经验对各个指标的重要程度进行两两比较,对各个专家的调查数据均值化后,再利用层次分析法进行相关的计算.评价指标权重通过专家调查表和层次分析法得到,如表1所示.表1 重大危险源评价指标及权重表Table 1 Evaluation index and weight of major hazard installations一级指标二级指标二级指标权重占总指标权重安全管理U10.2836领导的安全意识(U11)0.15330.0435职工的安全素质(U12)0.03830.0109 安全职能部门作用(U13)0.15330.0435 规章制度建立健全及执行(U14)0.18230.0517 安全投入管理(U15)0.18230.0517 安全规划管理(U16)0.10820.0307 应急救援管理(U17)0.18230.0507伤亡事故U20.1003死亡人数(U21)0.46620.0468 负伤人数(U22)0.11500.0115 重大事故次数(U23)0.32970.0331 经济损失(U24)0.08910.0089安全教育U30.1418安全教育计划与实施(U31)0.23710.0336 入厂人员三级教育执行情况(U32)0.07580.0107 日常安全教育情况(U33)0.08380.0119 安全技术知识普及情况(U34)0.07580.0107 特种作业人员培训情况(U35)0.23710.0336 安全管理人员培训情况(U36)0.29040.0412安全技术及装备U40.3138生产工艺及设备的安全性(U41)0.37550.1178 三同时执行情况(U42)0.31580.0991 设备的技术安全管理情况(U43)0.20780.0652 安全防护状况(U44)0.10090.0317劳动安全卫生U50.0762劳动用品正确使用率(U51)0.15470.0118 职业病发病率(U52)0.36800.0280 尘毒人员健康保护(U53)0.36800.0280 夏季防暑冬季防冻情况(U54)0.10930.0083环境资源U60.0843水文地质情况(U61)0.22920.0193周边环境情况(U62)0.38540.0325 生产区域情况(U63)0.38540.03252.3 确定评价样本矩阵组织10位评价人员对评价指标体系各指标按指标评分等级标准给二级评价指标评分,根据10位评价人员所填写的评分表,求得评价样本矩阵D2.4 无量纲化处理比较序列Ui(k)对于最优序列Ui(0)的关联度,首先对比较序列进行无量纲化处理,用比较序列除以最优序列得k=1,2,3,4分别表示评价级别优、良、中、差; 0表示最优序列;i=1,2……,表示评价指标;比较序列与最优序列差的绝对差为Δi(k)=|Xi(0)-Xi(k)|重大危险源评价指标无量纲化绝对差计算结果详见表2.表2 重大危险源评价指标无量纲化绝对差计算结果Table 2 Calculation result of dimensionless absolute difference of major hazard installations evaluation index指标FiXi(k)0ABCDΔi(k)ABCDU11771.001.2011.0060.7790.3900.2010.0060.2210.610U12791.001.1710.9810.7590.3800.1710.0190.2410.620︙︙︙︙︙︙︙︙︙︙︙U63651.001.4231.1920.9230.4620.4230.1920.0770.5382.5 关联度计算由关联度计算公式得关联度矩阵,其中分辨率系数取值在0到1之间,通常取0.5,具有较高分辨率.由表2,两级最小差取0.006,两级最大差取0.907,结果如表3所示. 表3 关联度矩阵Table 3 Association degree matrix指标指标权重WEABCD指标指标权重WEABCDU110.04350.701.000.680.43U340.01070.670.940.700.44U120.01090.740.970.660.43U350.03360.440.590.960.49U130.04350.510.690.890.47U360.04120.670.940.700.44U140.05170.360.470.720.53U410.11780.610.860.750.44U150.05170.790.900.640.42U420.09910.721.000.670.43U160.03070.650.920.710.44U430.06520.590.820.770.45U170.05070.750.950.650.43U440.03170.690.970.690.43U210.04680.740.970.660.43U510.01180.340.440.670.55U220.01150.750.950.650.43U520.02800.690.970.690.43U230.03310.770.930 .640.42U530.02800.610.860.750.44U240.00890.670.940.700.44U540.00830.690.970.690.43U310.03360.590.810.780.45U610.01930.670.940.700.44U320.01070.420.560.890.50U620.03250.500.670.920.47U330.01190.750.950.650.43U630.03250.520.710.870.462.6 综合关联度计算由R=W×E,代入数据得,R=(0.632,0.851,0.731,0.447).由上可知该重大危险源的安全水平处于B级,其相应措施是对局部安全隐患进行及时整改.2.7 风险评价结果分析根据实际工作中经常采用的安全检查表方法,按上述评价指标,经专家打分,按专家数进行均值后,与指标权重相乘得风险评价评估分值.经计算,评估分值是71.955,属于B级.而基于灰关联度的灰色评价结果也是B级,即基于灰色理论的重大危险源风险评价是可行性的.灰色评估系统相对于其他评价方法,对系统或所属因子,在某一时段所处的状态,做出一种半定性半定量的评价与描述,对系统的综合效果与整体水平,形成一个可供比较的概念与类别.对于“小样本不确定”的多指标风险评价问题,运用灰色系统理论进行评价,无疑是一个较好的评价方法.3 重大危险源风险评价的计算机实现灰关联度风险评价计算程序框图如图1所示.风险评价运行界面如图2所示.图1 灰关联度风险评价计算程序框图Fig.1 Calculation procedure of riskevaluation of grey association degree图2 风险评价运行界面图Fig.2 Working interface of risk evaluation4 结论灰色关联度评价法的优势在于可以处理系统中的部分确定和部分不确定信息,为解决信息不全面、无典型统计规律的重大危险源系统安全评价问题提供了新的途径.灰色关联度评价法简便可行,计算机实现简单易行,其评价结果直观、可靠,弥补了传统的安全检查表方法的不足.通过以上研究表明,灰色关联度是一种重大危险源系统风险评价的有效方法,灰色关联度分析模型可操作性好,具有很好的推广应用价值. 参考文献(References)[1] 田民,刘思峰,卜志坤.灰色关联度算法模型的研究综述[J].统计与决策,2008(1):26-29.Tian Min, Liu Sifeng, Pu Zhikun.Review on grey association degree model[J].Statistics and Decision,2008(1): 26-29.(in Chinese)[2] 肖新平.关于灰色关联度量化模型的理论研究和评论[J].系统工程理论与实践,1997(8):77-82.Xiao Xinping. Theoretical study and reviews on the computational method of grey interconnect degree[J].Systems Engineering Theory & Practice,1997(8):77-82.(in Chinese)[3] 邓聚龙.灰理论基础[M].湖北武汉: 华中理工大学出版社,2002.[4] 李一名,刘以安,刘同明，等. GM(1,1)灰色模型在目标跟踪中的分析和改进[J].华东船舶工业学院学报：自然科学版, 2004(1):56-60.Li Yiming, Liu Yian, Liu Tongming,et al.Analysis and improvement ofGM(1,1) used in target tracking[J].Journal of East China Shipbuilding Institute:Natural Science Edition, 2004(1):56-60.(in Chinese)[5] 张明媛,袁永博,周晶,等. 基于灰色系统模型的城市承灾经济协调性分析[J]. 系统工程理论与实践, 2008(03):171-176.Zhang Mingyuan, Yuan Yongbo, Zhou Jing,et al.Analysis of economic coordination of urban disaster-carrying based on grey systemsmodel[J].Systems Engineering Theory & Practice,2008(03):171-176.(in Chinese)[6] Liu Sifeng.On measure of grey information[J].The Journal of Grey System,1995,7(2):97-101.[7] 徐德蜀.安全科学与工程导论[M].北京:化学工业出版社,2004.[8] 常建娥,蒋太立.层次分析法确定权重的研究[J].武汉理工大学学报:信息与管理工程版,2007,29(1):156-159.Chan g Jian′e, Jiang Taili. Research on the weight of coefficient through analytic hierarchy process[J].Journal of Wuhan University of Technology:Information & Management Engineering,2007,29(1):156-159.(in Chinese)。
