基于復雜網絡理論的水利工程人為風險分析

馮繼偉 孫開暢 顏鑫

摘要：確定各種人為因素對水利工程風險系統的影響可降低水利工程風險率。根據已有事故數據，采用模糊認知圖理論建立水利工程事故風險致因網絡模型，確定各個風險因素之間的關系，并利用復雜網絡理論中節點的度、路徑的平均長度、網絡模型的直徑、聚類系數、中介中心性等網絡分析指標分析整個風險網絡，確定風險系統中的關鍵因素及各因素的影響關系。結果表明：直覺與決策差錯、人員素質、操作違規是影響整個水利工程風險系統主要的因素;直覺與決策差錯因素受到水利工程風險因素系統中多個風險因素的影響，在整個水利工程中致因網絡結構中風險率較高，應從源頭上防范該因素在水利工程風險體系中的影響;復雜網絡理論可以有效地對水利工程建設過程整個風險系統進行分析，具有一定的適用性。

關 鍵 詞：水利工程; 人為風險; 復雜網絡理論; 模糊認知圖; 因素分析; 致因網絡模型

中圖法分類號： ?TV513

文獻標志碼： ?A

DOI： 10.16232/j.cnki.1001-4179.2022.03.024

?? 0 引 言

近年來，隨著生產技術的發展以及人們對安全生產的重視，各種安全事故逐漸減少，但是由于事故原因的復雜性及多樣性，將事故發生的可能性降低為零幾乎很難實現。因此，研究整個工程風險系統，找出影響系統風險的關鍵因素，分析風險因素之間的關聯一直是水利工程風險分析的研究重點? [1] 。

基于此，近年來出現了利用復雜網絡理論? [2-3] （Complex Networks Theory，CNT）的拓撲特征揭示系統因素的方法。其中，花玲玲等? [4] 利用復雜網絡理論對263份鐵路事故數據結構進行分析，構建了影響鐵路事故的網絡結構圖模型，找出了各個風險因素之間的相互作用關系并分析了影響整個鐵路事故風險系統中的關鍵因素。汪送? [5] 對決策試驗評價實驗室方法（DEMATEL）進行了改進，建立了基于改進DEMATEL方法的復雜系統下事故致因網絡系統，確定了影響航空飛行安全的關鍵性因素。徐青等? [6] 將復雜網絡理論與DEMATEL相結合，構建了影響鐵路施工事故的結構網絡模型，對網絡結構模型進行了分析，計算出了影響事故因素的分類分層模型。

上述研究表明，復雜網絡理論對于網絡風險因素的分析有較好的效果，但將復雜網絡理論與模糊認知圖下水利工程致因網絡相結合的研究不夠深入。本研究將復雜網絡分析方法引入到模糊認知圖下的網絡致因結構分析中，結合修訂的人為因素分析與分類系統? [1] （HFACS），旨在找出影響水利工程的關鍵風險因素和各因素的影響關系，為水利工程事故風險系統分析提供理論依據。

1 復雜網絡理論

復雜網絡理論是一種基于圖論的圖形理論，利用它能夠對復雜因素關系進行抽象、建模、分析? [7] ，復雜網絡用節點表示網絡系統內部的各個因素，用邊表示各個元素之間的關聯關系。水利工程風險是多種因素相互作用共同影響的結果，因此，可以將水利工程風險抽象為一個復雜的網絡系統，利用復雜網絡結構理論對水利工程風險系統進行分析，可以得到各因素之間的關系，復雜網絡理論分析指標包括：

（1） 節點的度。與該風險因素節點相連接的邊的條數。一般的有向網絡圖中包括因素的入度和出度。

（2） 網絡直徑（network diameter）和平均路徑長度（average path length）。網絡直徑表示整個網絡分析體系中任意兩個節點間距離的最大值;平均路徑長度表示網絡系統中的所有節點對沿最短路徑的平均步數的數值大小。

（3） 聚類系數（clustering coefficient）。用于描述復雜網絡結構網絡圖中的節點之間集結程度的系數;局部節點聚類系數則是表示單個節點附近的點的集聚狀態。

（4） 中介中心性（betweeness centrality）。系統網絡圖形結構中經過某兩個點并連接這兩點的最短路徑與這兩點之間的最短路徑線總數之比。

2 水利工程風險網絡構建

2.1 人為風險因素識別

從水利工程安全管理的角度進行分析，人是影響水利工程安全風險系統的第一因素? [8] 。為保障水利工程的系統安全，降低人為影響因素風險概率，必須對影響水利工程事故風險系統的人為因素進行分析和辨別，其中人為因素分析與分類系統（HFACS）方法是一種專門用來處理人為因素數據之間關系的工具，它能夠相對較好地挖掘出各個因素之間的外在和內在的聯系。

水利工程風險體系框架以《水利水電工程施工安全風險管理》? [1] 為依據，利用HFACS風險分析框架，根據水利工程實際情況進行修訂。本文中，指標依據前期成果，形成過程如下：借鑒HFACS模型中對民航及航空航天事故層次分析框架，水利工程HFACS模型將導致最終結果的因素按照不安全行為、不安全行為前提、不安全監督以及組織管理4個層次結構進行劃分，從企業組織影響、安全監管、不安全行為的前提條件、施工人員的不安全行為4個層面對水利工程事故進行分析，然后根據美國運籌學家T.L.Saaty提出的層次分析法中的目標層、準則層、底層，對各個準則層細分出底層影響因素。

首先通過數據搜集、專家論證、調查問卷等方式將實際的風險確定為雙層4類68個指標。之后利用分析工具對指標進行修訂，包括利用貝葉斯理論、卡方檢驗、結構方程等方法對水利工程案例進行分析，最終將68個指標修正到12個，形成最終的指標體系，如圖1所示。

2.2 事故致因網絡模型構建

利用模糊認知理論? [9-11] 對風險因素體系進行構建。模糊認知圖的拓撲結構由三元組合而成? U ={C，V，W}。其中： C ={c 1，c 2，c 3，…c n}是概念節點的集合，表示為整個水利工程風險系統因素。 V ={（c i，c j）|c i，c j∈C}是所有概念節點弧的集合，（c i，c j）表示節點c i和c j之間有邏輯關系上的影響或者因果關系。W：（c i，c j）→ω? ij 為因素之間的相互影響關系，即因素c i對因素c j的關聯關系。ω? ij >0，表示c i和c j的邏輯關系是正相關;ω? ij =0，代表c i和c j之間無任何影響關系。 W ?指整個系統的權重值，可以用式（1） 表示整個水利工程風險系統的因果權重關系。

W =? ω? 11? … ω? 1n? ω? 21? … ω? 2n? ? ω? n1 ?… ω? nn

=? 0 ω? 12? 0 0 0 ω? 23? ω? 31? 0 0?? （1）

在構建風險因素的關聯關系模型前，對節點間的因果邏輯關系? [12-13] 進行判斷。本文根據Kosk的理論? [14] ，在歷史案例的基礎上，邀請專家對兩個節點之間的相伴關系進行判斷，如果80%的專家認為一個節點隨著另一個節點變化或者兩個節點之間存在時間的先后順序，則認為兩者存在因果關系。

針對每一條有向弧的影響權重 ω? ij? ，專家對各個因素關系進行打分，利用打分權重函數計算公式（2），得出最終的權重：

F N=e 1s 1+e 2s 2+…+e is i （2）

式中： F N表示第N條有向弧;e i表示整體的權重值;s i表示第i個 專家對給出的具體數值歸一化后的結果，整合得到兩個節點最終的影響權重。

利用模糊認知圖理論中特定的推理機制? [15-16] ，通過前一個時刻點的風險因素狀態對下一個時刻點的風險因素狀態進行分析，進而可以明確風險因素的狀態變化情況。事故風險因素系統的狀態變化是由各個風險因素的狀態變化引起的;同時，每個風險因素的變化也受到其他因素的影響，是各種條件共同作用的結果。利用演化機制模型對整個風險因素網絡進行演化分析，風險原因節點的狀態通過有向權重弧對結果風險節點的狀態產生影響進而實現演化過程。在有向弧的權重為確定的情況下，某一個時刻的風險因素狀態由上一刻該風險因素節點的狀態和對影響該節點的原因節點的狀態值共同決定，通過對各個節點進行演化計算，水利工程事故風險系統中的各個節點狀態最終會趨于穩定，則整個風險因素網絡結構達到最終相對穩定模式。

3 水利工程風險案例分析

3.1 水利工程事故致因網絡構建

以長江干流3個大型水利工程（三峽、向家壩、溪洛渡）在2009～2014年發生的32起水利工程事故作為依據，表1對部分事故案例進行了簡要描述。

利用模糊認知理論? [13] 對風險因素進行構建，根據影響因素之間的關系可以得到基于32起輕傷以上事故的模糊認知圖，如圖2所示。影響權重如式（3）所示。根據復雜網絡理論，將各個因素視為獨立的節點，節點間的連線表示節點的相關關系，最終得到的事故風險致因網絡模型包括12個節點、24條邊。

3.2 復雜理論風險因素分析

針對施工網絡中的安全影響因素風險率進行動態演變分析。通過調查歷史案例、匯集專家意見等手段將水利施工系統網絡轉化為風險因素關聯模型，即完成水利施工網絡經典認知圖向模糊認知圖的轉換。根據水利工程人為因素致因網絡圖，利用復雜網絡理論? [17] 進行分析，大多數風險因素會受到其他多個因素的影響，證明了事故發生是多個因素相互耦合作用的結果。同時，各個風險 因素之間也存在相互影響的關? 系，它們共同構成了整個水利工程的人為風險系統，利用復雜網絡理論對人為風險系統進行分析，能夠明確風險之間的關系，采取一定的手段，可以降低事故發生的概率進而增強整個系統的抗風險能力。

3.3 節點的度

復雜網絡體系下各個節點的度如圖3所示。由圖3可知，影響因素 c 6，c 9，c 8，c? 11? 具有較大的度，分別為6，6，5，5， 說明這些因素容易受到其他因素的影響;同?W =? 0 0 0 0 0.550 0 0 0.566 0 0 0.728 0 0 0 0 0 0 0.792 0.572 0 0.540 0 0.372 0 0 0 0 0.348 0 0 0 0.202 0.434 0 0 0 0 0 0 0 0 0.376 0.400 0 0 0 0 0 0 0 0 0 0 0 0 0 0.388 0.490 0 0 0 0 0 0 0 0 0 0.450 0.576 0.436 0 0.416 0 0 0 0 0 0 0 0 0 0 0 0.640 0 0 0 0 0 0 0 0 0 0.384 0.166 0 0 0 0 0 0 0 0 0 0 0 0.530 0.594 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.412 0 0 0 0 0 0 0 0 0 0 0 0 0 0?? （3）

時也說明這些因素對整個水利工程風險系統的影響較大，即作業計劃和人員素質是對整個風險系統影響最大的因素，與它們相關聯的風險因素多且復雜，可能存在因為某個因素的變動導致整個系統的崩潰。

3.4 網絡直徑和平均路徑長度

本文構建的水利工程致因網絡的直徑為3，平均路徑長度為1.5，表明每個事故發生通過2步就可以連接到事故，說明各個因素之間緊密聯系，因此，需要整體地考慮各個因素之間的關系，建立其科學有效的應急救援機制，才能有效控制事故的發生。

3.5 聚類系數

聚類系數表現水利工程網絡中的各個風險因素節點的聚集程度的量，構建水利工程致因網絡結構的平均聚類系數為0.097。各個節點的聚類系數如圖4所示，從圖4中可以看出， c 1，c 5，c? 11 ，c? 12? 的聚類系數最大，表明這幾個節點與周圍節點的聯系比較密切，所以，在對這幾個事故因素進行處理的時候需要特別注意它們與相鄰節點可能存在的聯系，否則，可能會因為一個節點發生變化而導致一連串的連鎖反應，影響整個風險系統。

3.6 中介中心性

根據水利工程致因網絡圖，可以得出影響各個風險因素的中介中心度如圖5所示，其中節點 c 1，c 5，c 9，c? 11 ，c? 12? 的中心中介中心度為0，說明這幾個節點沒有在其他節點的交互中作為中間節點。6和8節點具有較高的中介中心度，說明這兩個節點對整個網路的影響較大，要重點地切斷風險在這兩個因素間的傳播，避免事故的發生。

4 結 論

（1） 通過復雜網絡理論對水利工程致因網絡模型進行了分析。其中，平均路徑長度和聚類系數的數值相對較小，表明一旦該風險系統中的某些風險因素發生變化，可能將很快影響到整個水利工程系統體系。

（2） 作業計劃安排、人員素質對整個水利工程風險系統影響較大，需要特別注意這些因素;控制中介中心性大的因素（作業計劃安排和技術措施）可以有效切斷風險在整個水利工程系統中的傳播。

（3） 利用復雜網絡理論對水利工程風險體系進行分析，能夠有效地確定整個風險體系的關鍵因素，確定風險關系，進而采取針對性措施降低水利工程系統風險。

參考文獻：

[1]? 孫開暢，周劍嵐.水利水電工程施工安全風險管理[M].北京：中國水利水電出版社，2013.

[2] WATTS D J，STPOGATZ S H.Collective dynamics of ‘small-world’ networks[J].Nature，1998，393（6684）：440.

[3] BARABASI A L，ALBERT R.Emergence of scaling in random networks[J].Science，1999，286（5439）：509-512.

[4] 花玲玲，鄭偉.基于復雜網絡理論的鐵路事故致因分析[J].中國安全科學學報，2019，29（增1）：114-119.

[5] 汪送.復雜系統安全事故致因網絡建模分析[J].中國安全科學學報，2013，23（2）：109-116.

[6] 徐青，何松，魏可可，等.基于復雜網絡理論的地鐵深基坑施工事故致因研究[J].安全與環境工程，2017，24（1）：152-157，161.

[7] 汪小帆，李翔，陳關榮.復雜網絡理論及其研究[M].北京：清華大學出版社，2006：1-130.

[8] 張力，王以群，鄧志良.復雜人-機系統中的人因失誤[J].中國安全科學學報，1996，6（6）：35-38.

[9] 彭珍，田立勤，吳靜，等.基于大型模糊認知圖的復雜系統建模與推理研究[J].計算機科學，2013（6）：203-210.

[10]? 張燕麗，劉曉東.模糊認知圖權值學習法[J].小型微型計算機系統，2013，34（5）：1147-1153.

[11] 張燕麗.基于模糊認知圖的動態系統的建模與控制[D].大連：大連理工大學，2012.

[12] 孫開暢，李權，尹志偉.水利工程高危作業人因評價體系中的認知圖理論研究[J].中國安全生產科學技術，2016，12（12）：128-132.

[13] 孫開暢，顏鑫，馬文俊.水利工程施工安全影響因素風險率的動態演變分析[J].水利水電技術，2018，49（11）：103-108.

[14] KOSKO B.Fuzzy cognitive maps[J].International Journal of Man-machine Studies，1986，24（1）：65-75.

[15] 何媛，吳樂.基于屬性網絡表示學習的鏈接預測算法[J].合肥工業大學學報（自然科學版），2020，43（11）：1482-1486.

[16] 何媛.基于屬性網絡的深度特征學習算法研究[D].合肥：合肥工業大學，2019.

[17] 王濟彬.復雜網絡的相似度表示及應用算法研究[D].長沙：湖南大學，2019.

（編輯：黃文晉）

Human risk analysis of water conservancy projects based on complex network theory

FENG Jiwei 1，SUN Kaichang 1，YAN Xin? 1，2

（ 1.School of Hydraulic & Environmental Engineering，China Three Gorges University，Yichang 443002，China; 2.China Water Resources and Hydropower Eleventh Engineering Bureau Co.，Ltd.，Zhengzhou 450001，China ）

Abstract：

In order to determine the impact of various human factors on the overall water conservancy project risk system，and reduce the risk rate of water conservancy projects，based on the existing accident data，the fuzzy cognitive graph theory was adopted to establish a network model of risk causes of water conservancy project accidents，and the relationship between each risk factor was determined.In complex network theory，network analysis indices such as node degree，average length of path，diameter of network model，clustering coefficient and intermediary centrality were used to analyze the whole risk network and determine the key factors in the risk system and the influence relationship of each factor.The results show that intuition and decision errors，personnel quality and operational violations are the most important factors affecting the entire water conservancy project risk system.Intuition and decision errors factor is affected by multiple risk factors in the water conservancy project risk factor system.The risk rate in the network structure is high in the entire water conservancy project，and the influence of this factor should be prevented from the source.The complex network theory can effectively analyze the entire risk system of the water conservancy project construction process and has certain applicability.

Key words：

water conservancy project;human risk;complex network theory;fuzzy cognitive graph;factor analysis;network model of risk causes