【《白洋淀突发水污染风险识别分析案例》10000字】

−Edj，则客观权重：wj,2=1−Ej/j=1根据熵的可加性原理，得出对应一级指标的权重wj综合评价值Qi计算如下。Qi=j=1sw计算淀内、淀外风险源的权重值，进而分别计算其综合评价值。3.K-均值聚类分析综合平均值Qi用K-均值聚类法对其聚类分析。K-均值聚类分析因其简洁和高效的特点成为聚类算法中使用范围最广的划分聚类分析方法。设定好数据集合和聚类中心数K，K-均值聚类其实就是根据一个距离函数将数据反复划入K个聚类中。基于K-均值聚类对淀内、淀外风险源的综合评价值Qi进行分析。1.3.1.1入淀河流风险源识别在对入淀河流的调查中，入淀河流的污染物来源主要为4类：危险品运输事故污染风险、周边加油站泄露事故、污水处理厂泄露事故及工业企业污染泄露事故。根据入淀河流污染物来源构成及相应标准选取氨氮、石油类及重金属等共10类指标为入淀河流风险源污染风险识别指标。采用熵权法计算入淀河污染风险指标的权重值[121]，如表9所示。表9入淀河流风险源风险识别指标编号指标权重1年平均径流量0.45232污染物质入河浓度（氨氮、石油类及重金属等）0.15673补水情况0.21384周边防控措施0.0938采用K-均值聚类方法对各入淀河流进行分类[122]。选取聚类中心数为2时，经过多次迭代，选取聚类等级为2的3个入淀河流为风险源。结果如表10与11所示。表10两个聚类中心的聚类结果聚类等级聚类结果个案数10.0095220.18423表11入淀河流风险源识别结果编号年平均径流量污染物质入河浓度补水情况周边防控措施综合评价值K-均值聚类瀑河0.22010.07520.08580.00600.04522府河0.36180.09080.08010.00600.09412孝义河0.27350.01560.08040.00600.05862图15白洋淀入淀河流风险源风险识别聚类结果图15为白洋淀入淀河流风险识别聚类图，出水河流以五边形标志标示（赵王新河）；无水河流以圆形标志标示（潴龙河、唐河、小白河）；聚类等级为1：风险性低，以三角形标志标示（白沟引河）；聚类等级为2：风险性高，用五角星标志表示（瀑河、府河、孝义河）。由入淀河流风险源风险识别聚类结果可知，入淀河流瀑河、府河与孝义河均属于第2聚类。而第2聚类中风险源主要分布在安州闸、任庄与思乡桥附近，其突发风险较大。1.3.1.2跨支流桥梁危险货物运输事故风险源识别1.确立评价级危险货物运输事件的风险因子很难给出精确的表达，因此需要引入相关的语言评价级来描述变量。本文引入了七个自然语言变量“非常低、低、偏低、中等、偏高、高、非常高”来表示危险货物运输事件的风险程度。并将确立的自然语言变量与三角模糊数一一对应[123-125]，将模糊的描述性语言量化为数据指标，具体对应关系如表12所示[126]。表12评价级与三角模糊数对应关系风险等级三角模糊数概率范围非常低（VL）（0.0,0.0,0.1）小于1%低（L）（0.0,0.1,0.3）1%-10%偏低（FL）（0.0,0.1,0.3）1%-10%中等（M）（0.3,0.5,0.7）33%-66%偏高（FH）（0.5,0.7,0.9）66%-90%高（H）（0.7,0.9,1.0）90%-99%非常高（VH）（0.9,1.0,1.0）大于99%2.专家评判获取模糊语言通过上文指标体系的构建结果可以看出，绝大多数的社会安全事件风险因素的评价归级缺少充足的数据资源和确定的规则，因此很难直接准确的获取各个根节点的条件概率。本文通过引入德尔菲法，邀请专家采用匿名评价的方式，借助问卷调查的形式反复对证据节点进行评判、预测，最后汇总为较为一致的评判结果，弥补无法获取数据资源来确定证据节点概率的缺陷。由于专家评判的依据更多的是依靠个人的知识储备和经验，得到的评判结果也是模糊语言，具有一定的主观倾向，因此需要借助必要的解模糊的方法对专家语言进行处理。3.专家语言解模糊常用的解模糊方法包括梯形模糊数、三角模糊数和LR型模糊数等，风险评估需要考虑的是各种不确定的影响因素，考虑到上述各个方法的特点和适应性，本文选择三角模糊数作为隶属函数来对专家语言进行解模糊。模糊数一般包括上限、下限和中间的可能值，设风险评估隶属集为A，三角模糊数的上限和下限为a、b，隶属集A的隶属度为1时的取值为m，则三角模糊数A表示为，隶属度函数表示为：（2-7）上式中，a≤m，m≤b，a和b代表模糊的程度，b-a的值越大，模糊的程度就越高。4.条件概率的计算在获取专家意见并将其解模糊为三角模糊数后，需要对量化的三角模糊数进行处理，从而计算每个证据节点的概率信息，处理流程主要包括均值化、解模糊和归一化。均值化运用的是算数平均的方法，根据邀请专家的人数，将获取的专家意见结果进行算数平均，从而去除异常数值，使评判的模糊概率值趋于合理。具体公式为：（2-8）在此基础上，再借助均值面积法[127]，对平均后的三角模糊数进行解模糊，转化为节点的准确概率P’。具体公式表示为：（2-9）最后，为了满足概率的归一性，将计算得出的各个节点的概率信息归一化，使其不同风险等级下的概率值之和为1，从而得到后续推理计算所需的概率值。（2-10）在建立完成贝叶斯网络的基础上，对每一个节点进行赋值，将计算得出的概率值代入贝叶斯网络，并利用GeNIe数据分析软件进行推理计算。本文依据文献资料搜集、现场调研及专家座谈咨询，识别出导致白洋淀周边跨支流桥梁上危险货物运输事故影响因素。并统计2000年至2020年白洋淀跨河桥梁危险货物运输事故，得到主要事故原因分布。依据文献资料及现场调研结果，结合危险货物公路运输事故统计资料，确定主要影响因素的状态分布。导致白洋淀周边跨支流桥梁上危险货物运输事故的四大类因素：人员因素、车辆因素、罐体因素、环境因素及其具体原因对风险进行识别及评估[128]，如表13。表13危险货物运输事故风险因子一级指标二级指标三级指标指标说明危险货物运输事故风险水平人员驾驶员因素超速行驶；疲劳驾驶；操作失误；疏忽大意；其他违章行为押运员因素擅离职守；疏忽大意；违章操作；监管不力车辆突发因素爆胎；制动失灵；罐体脱钩；车辆自燃；轮胎起火磨损因素其他车辆机械故障罐体突发因素罐体破裂；安全阀泄露；阀门失效；磨损因素罐体及安全附件老化失修环境天气因素雨雪天气路面湿滑且能见度低；雾天能见度低；高温暴晒致泄漏；低温严寒导致罐体破裂道路因素路面平整度差；路面积水湿滑；道路线形不合理；交叉口无信号；陡坡急弯时段因素行驶时间为夜间18:00-06:00照明因素通行路段无照明设备得到10种主要影响因素的状态分布，如表14。表14主要风险因素及其分布状态因素因素因素分布状态事故A事故A不发生（0）、发生（1）人员S1驾驶员因素X1状态良好（0）、状态差（1）押运员因素X2状态良好（0）、状态差（1）车辆S2车辆突发因素X3良好（0）、故障（1）车辆磨损因素X4状态良好（0）、状态差（1）罐体S3罐体突发因素X5状态良好（0）、状态差（1）罐体磨损因素X6状态良好（0）、状态差（1）环境S4天气因素X7晴（0）、其他（1）道路因素X8平坦（0）、其他（1）时段因素X906:00-18:00（0）、18:00-06:00（1）照明情况X10晚上有路灯照明（0）、晚上无路灯照明（1）根据该时间节点搜集的相关情报信息，依据评级标准和风险评估指标体系，组织7名专家对贝叶斯网络的各个证据节点进行评判，确定证据节点发生概率等级，评价结果如表15所示。表15父节点发生可能性专家模糊语言统计表父节点专家意见X1FHHMFHFHFHHX2LVLVLLLLLX3MVHMMMHMX4FLLMLFLMFLX5FLMVHFHHFHMX6VLLLLLVLLX7FLLMFLMLFLX8FHVHMHLFHHX9LMLFHHHFHX10HMFHMMHM根据评价级与三角模糊数的对应关系，将专家评价与三角模糊数一一对应，获得专家评级三角模糊数统计表，结果如表16所示。表16专家评价三角模糊数统计表风险等级三角模糊数X1X2X3X4X5X6X7X8X9X10非常低（VL）（0.0,0.0,0.1）/5///2////低（L）（0.0,0.1,0.3）/2/2/5212/偏低（FL）（0.0,0.1,0.3）///31/3///中等（M）（0.3,0.5,0.7）1/522/2114偏高（FH）（0.5,0.7,0.9）4///2//221高（H）（0.7,0.9,1.0）2/1/1//222非常高（VH）（0.9,1.0,1.0）//1/1//1//将获取的专家意见结果进行算数平均，从而去除异常数值，使评判的模糊概率值趋于合理。将解模糊所得结果带入公式进行均值化计算。以父节点X1为例，计算结果如下：PX1=（0.3+0.5*4+0.7*2,0.5+0.7*4+0.9*2,0.7+0.9*4+1.0*2）/7=（0.53,0.73,0.90）分别将父节点三角模糊数进行均值化计算，得到发生概率三角模糊数均值统计表，如表17所示。表17发生概率三角模糊数均值统计表节点三角模糊数均值X1（0.53，0.73，0.90）X2（0.0，0.03，0.16）X3（0.44，0.63，0.79）X4（0.09，0.21，0.41）X5（0.47，0.66，0.81）X6（0.0，0.03，0.16）X7（0.09，0.21，0.41）X8（0.51，0.69，0.83）X9（0.39，0.56，0.73）X10（0.44，0.64，0.81）将三角模糊数均值化后的结果带入均值面积法公式进行解模糊，并将所得结果进行归一化。以节点X1为例，代入公式后，计算结果如下：PX1=（0.53+2*0.73+0.90）/4=0.72分别将三角模糊数带入均值面积法公式后，归一化得出各个节点的条件概率，结果如18所示。表18证据节点条件概率表节点N不发生Y发生X10.280.72X20.940.06X30.380.62X40.770.23X50.350.65X60.940.06X70.770.23X80.320.68X90.440.56X100.370.631.3.3淀内风险源识别1.3.3.1淀内污水处理站风险源识别采用熵权法计算淀内污水处理站风险指标的权重值[129]，如表19所示。表19淀内污水处理站风险源风险识别指标编号指标权重1出水水质0.30812污水日处理量0.36693污染物排放率（化学需氧量、氨氮、总氮、总磷）0.28054排水方式0.0444采用K-均值聚类方法对各污水处理站进行分类，得到结果如表20所示。选取聚类等级为2的4个淀内污水处理站为风险源，结果如表21所示。表20两个聚类中心的聚类结果聚类等级聚类结果个案数10.009510420.18474表21淀内污水处理站风险源识别结果编号出水水质污水日处理量污染物排放率排水方式综合评价值QiK-均值聚类采蒲台村污水处理站#3（北码头）0.05370.25470.11180.00460.14162大田庄村污水处理站#20.26860.15700.20670.01330.19892王家寨村污水处理站#10.00980.21130.10620.01740.17622郭里口污水处理站#20.30410.18490.17950.00680.18702由计算结果可知，采蒲台村污水处理站#3（北码头）、大田庄村污水处理站#2、王家寨村污水处理站#1与郭里口污水处理站#2这4个污水处理站为淀内污水处理站风险源。1.3.3.2淀内污水导排管风险源识别将淀内污水导排管按照污水处理站周边区域进行划分，与污水处理站距离相近的污水导排管段命名为此污水处理站的污水导排管。采用熵权法计算淀内污水导排管风险指标的权重值，如表22所示。表22淀内污水导排管风险源风险识别指标编号指标权重1管道流速0.29172污水日运输量0.26133管道直径0.30524管道类型0.1418采用K-均值聚类方法对各污水导排管段进行分类，选取聚类等级为2的4个淀内污水导排管段为风险源，结果如表23与表24所示。表23两个聚类中心的聚类结果聚类等级聚类结果个案数10.010610520.20393表24淀内污水导排管风险源识别结果编号管道流速污水日运输量管径节点水压综合评价值QiK-均值聚类光淀张庄村污水导排管#10.17360.21060.10240.01020.16042寨南村污水导排管#20.08670.10790.16470.01610.18022王家寨村污水导排管#20.09320.23630.10550.01300.12352由计算