【《航空安全事故贝叶斯网络风险预测分析》5500字】

[23]。仍然以“身体伤害/丧失能力”贝叶斯网络风险预测模型为例，我们给模型输入证据：假设某起事件已经确定发生了“turbulence（遇到湍流）”的状况。点击“turbulence”节点的“0to23”，表示发生了“遇到湍流”的情况，此时发现整个节点变为灰色，表示我们添加了这个证据，对应的发生概率变为100%，我们发现网络中其他节点的概率值随之发生了变动，如图5.10所示。其中，节点“General_physical_injury”发生的概率上升到24.8%。图5.10输入证据后的“身体伤害/丧失能力”贝叶斯网络事实上，我们希望能够找到最能影响结果节点“General_physical_injury”的致因节点，从而判断是哪些致因的发生最有可能造成“身体伤害/丧失能力”的事故结果。因此我们要去找到不同致因节点中，其概率变化对结果节点“General_physical_injury”概率变化影响最大的那些节点，这时我们使用Netica的灵敏度函数进行研究。选中“General_physical_injury”节点，依次点击“Network→SensitivitytoFindings”，随后Netica会输出如图5.11所示的敏感性分析报告。报告列出了所有节点的列表，其中最有可能导致结果节点“General_physical_injury”发生最大变化的节点列在第一位，为“turbulence（遇到湍流）”。其次是“facility（电子设备故障）”、“equipment（设备故障）”、“operation（机组人员操作不当）”等。也就是说“遇到湍流”、“设备故障”、“操作不当”对造成“身体伤害/丧失能力”的结果有非常大的风险性，因此航空公司应当尽可能避免这几个致因发生或一起发生，例如更加细致的维护和检查设备，做好抗力测试；做好员工培训和资质考核，避免飞行时操作不当的情况发生。图5.11“身体伤害/丧失能力”贝叶斯网络敏感性分析报告以同样的方法对其他4个模型进行灵敏度分析，找到对不同事故结果类型影响最大的致因。表5.4中列出了影响程度最大的前四个致因。表5.4不同事故类型影响最大前四个致因事故类型第一致因第二致因第三致因第四致因身体伤害/丧失能力turbulencefacilityequipmentoperation宣告紧急状态terrainfireequipmentturbulence机组人员在飞行中停机fireterrainequipmentoperation空中交通管制隔离交通trafficfacilitycollisiontrain飞行器损坏fireoperationequipmentteam从表中可以看出，“terrain（地势问题）”、“fire（火灾）”、“equipment（设备故障）”、“turbulence（遇到湍流）”有非常大的风险会造成“宣告紧急状态”事故结果；“fire（火灾）”、“terrain（地势问题）”、“equipment（设备故障）”、“operation（机组人员操作不当）”则会大概率造成“机组人员在飞行中停机”事故结果；“traffic（空中交通问题）”、“facility（电子设备故障）”、“collision（飞机失控发生碰撞）”、“train（人员培训或资质不到位）”会有造成“空中交通管制隔离交通”事故结果的风险；“fire（火灾）”、“operation（机组人员操作不当）”、“equipment（设备故障）”、“team（团队工作不当）”则有非常大的可能会造成“飞行器损坏”的事故结果。其中，“设备故障”这一致因因素在造成这5类高风险的事故结果类型的过程中都有出现，这很大程度上启示了航空