船舶觸碰事故的貝葉斯網絡模型構建及事故原因分析

艾義奪

（上海江南長興造船有限責任公司，上海 201913）

通過建立貝葉斯網絡模型，可以將這些因素作為網絡的節點，利用歷史數據和專家知識來確定它們之間的概率關系，從而推斷事故發生的可能原因。在實際應用中，貝葉斯網絡模型可以幫助航運企業、港口管理部門和監管機構等對船舶觸碰事故進行風險評估和預防策略制定。

1 構建船舶觸碰事故貝葉斯網絡模型

1.1 船舶觸碰事故貝葉斯網絡結構

船舶觸碰事故的貝葉斯網絡結構包括人員行為不當、船舶條件不良、環境條件不良和管理問題四個主要部分（如圖1 所示）。每個部分都是網絡中的一個節點，表示可能導致事故發生的特定因素。

圖1 船舶觸碰故障樹

1.1.1 人員行為不當

這個節點代表了船員在船舶操縱和決策過程中的行為[1]。人員行為不當可能包括以下因素：不正確的航行決策、操作錯誤、缺乏專業知識或培訓、疲勞和分心等。該節點與其他節點之間的連接表示不當行為可能導致船舶觸碰事故發生的概率。

1.1.2 船舶條件不良

這個節點代表了船舶自身的狀態和條件。船舶條件不良可能包括以下因素：機械故障、設備失效、導航系統誤差、船只結構受損等。這些因素會增加觸碰事故發生的風險。該節點與其他節點之間的連接,表示船舶條件不良可能對事故發生的影響。

1.1.3 環境條件不良

該節點代表了海洋或水路的環境條件。環境條件不良可能包括以下因素：惡劣天氣、能見度差、海洋潮流和浪涌等。這些因素會增加船舶觸碰事故的風險。

1.1.4 管理出現問題

每個節點之間的連接表示不同因素之間的概率關系。模型可以根據歷史數據和專家知識來確定這些概率值，從而推斷事故發生的可能原因。例如，如果糟糕的環境條件和人員行為不當的概率都很高，那么船舶觸碰事故發生的概率也會增加（如圖2 所示）。

圖2 船舶觸碰事故貝葉斯網絡結構

1.2 構建貝葉斯網絡

1.2.1 收集數據

首先，需要收集與船舶觸碰事故相關的數據。這些數據可以包括歷史事故報告、調查報告、船舶設備維護記錄、船員培訓記錄、環境數據等。數據的質量和數量對于構建準確的貝葉斯網絡至關重要。

1.2.2 確定變量

根據所收集的數據，確定影響船舶觸碰事故的各個變量[2]。根據題目要求，主要的變量包括人員行為不當、船舶條件不良、環境條件不良和管理出現問題。針對每個變量，進一步細化其子變量以便更加詳細地建模。

1.2.3 構建網絡結構

使用Netica 軟件，創建新的貝葉斯網絡項目，并根據確定的變量構建網絡結構。在Netica 中，可以通過圖形界面進行節點和連接的添加。每個變量對應一個節點，節點之間的連接表示變量之間的關系。

1.2.4 設定節點屬性和概率表

為每個節點設置相應的屬性和概率表。節點屬性包括名稱、類型和說明。概率表用于描述每個節點的條件概率分布。概率表可以根據收集的數據、領域專家知識或模擬方法來確定。應盡量使用準確的數據和專業知識，確保貝葉斯網絡的可靠性。

1.2.5 設置節點之間的連接

根據變量之間的關系，設置節點之間的連接。連接可以是直接連接，也可以是通過其他節點進行傳遞。Netica 軟件提供了直觀的圖形界面，可以輕松設置和調整節點之間的連接。

1.2.6 驗證和調整網絡

完成網絡結構和概率表的設置后，需要進行驗證和調整。使用已有的數據集對貝葉斯網絡進行測試，并與實際數據進行比較，以評估網絡模型的準確性。如果發現網絡模型存在問題，可以通過添加更多的數據、重新設定節點的概率表或修改網絡結構來進行調整和改進。

1.2.7 進行推理和預測

在完成網絡驗證和調整后，可以利用貝葉斯網絡進行推理和預測。通過輸入特定的觀察值或變量值，可以計算出其他變量的概率分布。這樣可以得到關于船舶觸碰事故可能原因的推斷和預測結果。同時，還可以通過Netica 軟件提供的圖形界面進行結果可視化，以便更好地理解和解釋網絡的輸出。

2 船舶觸碰事故致因分析

2.1 觸碰事故致因分析

研究人員為分析船舶觸碰事故原因，在引入貝葉斯公式的基礎上，對各種致因元素出現的概率進行求解：

基于該公式，船舶觸碰事故致因的分析過程可分為以下七個步驟：

2.1.1 確定貝葉斯網絡模型

2.1.2 收集觀測數據

在進行推理之前，我們需要收集一些觀測數據作為已知條件。觀測數據是指在實際情況中獲得的、與所要推斷的變量相關的信息[3]。

2.1.3 設置觀測節點

在貝葉斯網絡模型中，我們需要將收集到的觀測數據應用到相應的節點上。這些節點稱為觀測節點，它們的狀態已知，作為推理的起點。在此過程中，研究人員引入條件概率公式，該公式能夠推導一個事件在另一個事件發生的條件下的概率。在貝葉斯網絡推理中，條件概率用于計算節點之間的依賴關系。其公式為：

2.1.4 進行前向推理

通過給定的觀測節點，我們可以使用貝葉斯網絡的前向推理算法來計算其他未知節點的概率。前向推理是從觀測節點開始，逐步向目標變量進行推理的過程。

首先，我們需要對觀測節點設置相應的值。這些值可以是具體的數值，也可以是模糊的狀態（如高、中、低）。

其次，我們從網絡中的根節點開始，根據已知觀測節點計算子節點的條件概率分布。這些條件概率分布描述了節點與其父節點之間的依賴關系[4]。

再次，根據已知觀測節點和計算得到的條件概率分布，我們可以計算下一層節點的條件概率分布。這個過程會一直持續下去，直到到達目標變量。

最后，當到達目標變量時，我們可以通過累積所有路徑上的概率來計算目標變量的邊際概率分布。這個分布表示了目標變量各個取值的概率。

2.1.5 進行后向推理

除了前向推理之外，我們還可以使用貝葉斯網絡的后向推理算法來計算已知目標變量情況下其他變量的概率。后向推理是從目標變量開始，逐步向觀測節點進行推理的過程。

首先，我們需要對目標變量設置相應的值，即已知的觀測節點。

其次，我們從網絡中的子節點開始，根據已知目標變量計算父節點的條件概率分布。

再次，根據已知目標變量和計算得到的條件概率分布，我們可以計算上一層節點的條件概率分布。這個過程會一直持續下去，直到達到觀測節點。

最后，當到達觀測節點時，我們可以通過累積所有路徑上的概率來計算觀測節點的邊際概率分布。這個分布表示了觀測節點各個取值的概率。

2.1.6 進行參數學習與模型更新

在實際應用中，我們可能需要根據新的觀測數據對貝葉斯網絡模型進行參數學習與更新。參數學習是指利用觀測數據來估計貝葉斯網絡模型中的條件概率表。通過學習到的參數，可以更準確地進行推理。其公式為：

2.1.7 進行推理結果評估與解釋

通過觀察概率分布、計算期望值等方法來評估推理結果的準確性和可靠性。同時，需要將推理結果與實際情況進行解釋，提供有意義的結論和建議。

2.2 致因分析

本次研究中使用局部分析作為靈敏度分析手段，并對觸碰事故節點發生狀態進行不同輸入參數值的采樣，使用各節點后驗概率值的方差來衡量靈敏度大小。通過分析SF、HF、EF、MF 四大因素，研究人員對船舶觸碰故障致因進行總結：

船舶觸碰事故是航運領域中常見的事故類型之一，通常由多個因素共同作用引起。在進行致因分析時，可以從人員行為不當、船舶條件不良、環境條件不良和管理出現問題四個方面入手，以深入探究船舶觸碰事故的潛在原因[5]。

2.2.1 人員行為不當

人員行為不當是船舶觸碰事故中最為常見的致因之一。它涉及船員的技能水平、專業素養以及對安全操作規程的遵守情況。以下是可能導致船舶觸碰事故的相關人員行為不當：

（1）疏忽駕駛：船員未能始終保持集中注意力，或存在疲勞駕駛情況，導致未能及時發現潛在危險或采取適當的措施。

（2）操縱錯誤：船員在操作船舶的過程中，可能存在操縱錯誤的情況，如誤操作操縱設備、舵機操作不當等。

（3）通信失誤：船員之間的溝通存在問題，導致信息傳遞不暢或存在誤解，進而影響船舶的操縱和決策。

2.2.2 船舶條件不良

船舶本身的狀態和條件對于船舶觸碰事故具有重要影響。以下是可能導致船舶觸碰事故的相關船舶條件不良：

（1）設備故障：船舶關鍵設備（如操縱系統、通訊設備等）存在故障或運行不良，影響到船舶的操縱和監控。

（2）船舶維護不善：船舶的定期維護保養工作未能得到有效執行，導致船舶設備狀況下降、船體結構損壞等。

3 結論討論

本文對船舶觸碰事故的貝葉斯網絡模型構建及事故原因分析進行了總結。在貝葉斯網絡模型構建方面，本文通過確定關鍵節點、建立節點間的依賴關系，并結合專家經驗和歷史數據來設定節點的狀態和概率值。這樣的貝葉斯網絡模型可以有效地表達各因素之間的關系，并推斷出各節點的后驗概率值。通過貝葉斯網絡模型進行事故原因分析，可以識別出導致船舶觸碰事故的主要因素。