基于Bayes网络的钻探工程孔内事故风险评估研究.doc

基于Bayes网络的钻探工程孔内事故风险评估向玲玲1胡江鹏21、平顶山工业职业技术学院1华中科技大学2 2、平顶山市经济管理学校 摘 要：本文对于煤田地质钻探过程中的孔内事故，以Bayes网络作为核心技术，并充分利用该网络的优点，建立孔内事故的风险评估模型，提出了孔内事故进行概率风险评估的方法。关键词：孔内事故 贝叶斯网络 故障树 事件树 风险评估煤田地质钻探过程中，常常发生各种孔内事故。概率安全评估是安全性分析的一个重要内容，本文尝试用基于贝叶斯网络的事件树/故障树分析方法，并引入贝叶斯网络推理算法，建立孔内事故风险评估模型，提出了孔内事故进行概率风险评估的方法。1 造成孔内事故的原因 据统计，当前事故与复杂情况可占钻探施工总时间的68，造成巨大经济损失。归纳造成孔内事故的主要原因有如下几个方面。（1）地质条件：由于勘探区地层结构复杂，软硬岩层互交替频繁，岩层产状多变，而煤田勘探钻孔一般都设计为垂直孔，软硬岩层对钻头底唇面的反作用力不同，在钻压的作用下，钻具的轴心线易产生偏移，致使钻孔弯曲过大。（2）设备质量问题：过度使用导致设备强度减弱，比如钻杆磨损导致钻具折断发生。（3）主观方面：现场施工人员经验不足，遇到比较复杂的情况时，缺乏应对的技术处理措施以及违章操作等。2 事故因果关系与贝叶斯网络模型事故的发生不是一个孤立的事件，尽管事故发生可能在某一瞬间，却是一系列互为因果的原因事件相继发生的结果。海因里希认为：防止事故发生重点是防止人的不安全行为，消除物的不安全状态，中断事故连锁进程，避免事故发生。首先将事件树转化为贝叶斯网络，然后将各环节事件对应的故障树转化为贝叶斯网络，进而将两者进行整合,最终完成贝叶斯网络的构建。进而利用得到的贝叶斯网络对系统进行安全性分析，见图1。图1 孔斜事件树对应的贝叶斯网络示意图孔斜事件树对应的贝叶斯网络如图2所示。其中: X = 0 表示安全环节发生作用， X = 1 表示安全环节不发生作用。 如图2所示，节点outcome 对应于事件树中的后果，共有9个状态：状态1（易发生卡钻、断钻、埋钻和烧钻），状态2（易发生卡钻、断钻、埋钻），状态3（易发生卡钻、断钻、烧钻），状态4（易发生卡钻、断钻），状态5（易发生卡钻、埋钻、烧钻），状态6（易发生卡钻、埋钻），状态7（易发生卡钻、烧钻），状态8（易发生卡钻），状态9（安全）。贝叶斯网络中根节点KX 、KZ、DZ、MZ和SZ的概率分布暂时不予赋值,留待与该节点对应的故障树转化成的贝叶斯网络进行整合, 叶节点outcome的条件概率分布可表示为P(outcome=1|KX=1,KZ=1,DZ=1,MZ=1,SZ=1)=1P(outcome=2|KX=1,KZ=1,DZ=1,MZ=1,SZ=0)=1P(outcome=3|KX=1,KZ=1,DZ=1,MZ=0,SZ=1)=1P(outcome=4|KX=1,KZ=1,DZ=1,MZ=0,SZ=0)=1P(outcome=5|KX=1,KZ=1,DZ=0,MZ=1,SZ=1)=1P(outcome=6|KX=1,KZ=1,DZ=0,MZ=1,SZ=0)=1P(outcome=7|KX=1,KZ=1,DZ=0,MZ=0,SZ=1)=1P(outcome=8|KX=1,KZ=1,DZ=0,MZ=0,SZ=0)=1P(outcome=9|KX=1,KZ=0,DZ=0,MZ=0,SZ=0)=1 将事件树和故障树转化为贝叶斯网络后，将事件树对应的贝叶斯网络中根节点与故障树对应的贝叶斯网络的叶节点对应起来，对于相同名称的节点，叠合为一个节点，保持其连接关系不变，建立整合的贝叶斯网络，根节点的概率分布和非根节点的条件概率分布在整合过程中保持不变，见图2。图2 孔斜事件的整合贝叶斯网络示意图3 基于贝叶斯网络的孔内事故概率风险评估 由于贝叶斯网络已经有很成熟的算法计算给定节点的联合概率分布和在各种条件下的条件概率分布， 因而在构建了系统的贝叶斯网络之后，就可以很方便地进行概率安全评估，包括计算各个后果发生的概率， 各底事件的重要度以及其它信息。3. 1 后果发生概率在贝叶斯网络中，无须求解割集，利用联合概率分布可以直接计算后果j 的发生概率如式(1)。P(outcome=j)= (1) 式中： j O ， O 为叶结点outcome 的状态空间，节点Ei (1 i M) 对应于贝叶斯网络中的非叶节点；M-为非叶结点的数目， ei 0 ,1 用来表征节点Ei 对应的事件发生与否。假设孔斜这一初始事件已经发生， 即P(KX = 1) = 1，利用贝叶斯网络，可以得到各个后果出现的概率。3.2 底事件重要度分析 重要度分析是概率安全评估中的一项重要内容,它用来分析故障树底事件概率变化对后果发生概率的影响，进而可以改进设计，减小风险。传统的分析方法首先需要对故障树进行重要度分析，然后再对事件树进行分析，而利用整合的贝叶斯网络可以直接分析底事件对各个后果的影响程度。在贝叶斯网络中，节点Ei 对应的底事件相对于后果的重要度可以通过计算相应的条件概率分布和联合分布得到。 （1） Risk Reduction Worth（RRW） 重要度 （2）（2） Fusel-Vesely（FV） 重要度= P(outcome=j)- P(outcome=j|Ei=0)/ P(outcome=j)=1- （3）（3） Risk Achievement Worth（RAW） 重要度 （4）（4） Birnbaum measure （BM） 重要度 = （5）4 结论孔内事故是煤田地质钻探过程中所遇到主要问题，本文采用贝叶斯网络作为核心技术，充分利用贝叶斯网络的优点，实现了面向工程孔内事故的险评估模型。根据该模型不仅可以分析二态单调关联系统,还可以分析存在多态、非单调和非确定性逻辑关系的系统，而且大大缩减了图形的规模。另外利用贝叶斯网络还可以得到其他有用的信息，利用这些信息，既可以