对海上能源通道海盗袭击综述.docVIP

对海上能源通道海盗袭击综述 ; 1贝叶斯网络方法的选择; 为解决传统的建立数学模型进行评估决策方法的弊端,实现直接从复杂系统获取信息进行风险评估与决策,贝叶斯网络等智能方法应运而生。贝叶斯网络又称信度网络、概率网络、因果网络,Pearl于1988年给出明确定义[4],最早用于数据挖掘领域,而后在处理人工智能不确定性等问题中大量运用。它基于主观贝叶斯方法概率推理模型发展而来,以坚实的数学理论方法成功规避了主观贝叶斯概率分配的主观性、概率分配前后的不一致性、先验和条件概率获取的困难性,能够客观地建立了反映定性指标对其上层指标风险度影响程度的条件概率表。; 2我国海上能源通道海盗袭击风险概念模型; 2.1风险辨识; 海上能源通道海盗袭击风险指海盗袭击发生的可能性及后果的组合,受风险源直接或间接的作用。海盗袭击往往通过盗窃、抢劫、劫持等方式来威胁航行船只本身以及能源物资和人员的安全,根据海盗活动的特点,认识到海盗组织的犯罪手段,海盗组织的犯罪工具及海盗组织的犯罪人数对海盗袭击风险产生直接影响,并直接决定后果的严重性。袭击事件发生时,部分因子通过间接作用对后果的严重性及事件发生的概率产生影响,如:航区周边国家政局混乱不堪及经济贫困潦倒致使难民人数激增,加入利益巨大的海盗团体成为人民谋生的主要选择,混乱及贫困程度不仅影响海盗数量,还会对海盗作案时手段残忍程度造成影响;而岛屿众多、水道狭窄的海域,如印度尼西亚附近海域,除了常成为海盗作案的首选之地以外,其复杂的地形也有利于犯案后海盗逃匿,增加袭击的风险;此外,良好的天气、海况也是海盗活动成形及成功的重要保障因素,如亚丁湾天气海况最为良好的3~5月是海盗活动最频繁的时间。最后,依据联合国对海盗行为的定义及现实海盗行为发生的后果,可归纳海盗袭击风险的承险体及风险后果如表1所示。; 2.2风险概念模型构建; 风险体系是由风险源危险性、承险体脆弱性和防灾减灾能力综合作用而成,根据上述分析,构建海上能源通道海盗袭击风险概念模型,如图1所示。2.3风险评价指标体系海上能源通道海盗袭击风险指标体系共分为目标层A、准则层B、一级指标层C及判别层D,涵盖风险形成机制中的全部要素———危险性、脆弱性、防范能力,如表2所示。; 3评估建模及仿真实验; 3.1数据说明及处理; 海上能源通道的海盗袭击风险可分为海上能源通道所固有的风险及具体船舶航行时所遭受的综合风险,固有风险受指标d1-d7及d10-d12影响,剩余指标根据具体航行船舶及运输物资变化而变动。d1-d3指标选用国际海事组织发布的2000-2012年海盗袭击报告统计资料,d4采用英国“经济学人”智库发布的全球和平指数,d5指标采用国际货币基金组织IMF等组织发布的人均GDP、多维贫困指数、CPI指数增幅、收入基尼系数等数据,d6选用国家图像和测绘局发布的SRTM30高程数据,d7指标选用《CMA-STI热带气旋最佳路径数据集》、ICAODS船舶数据,d11-d12指标评价根据所获取文字资料进行专家打分得到。对各指标进行分级处理,处理方式与风险等级对应关系如表3所示。; 3.2贝叶斯网络构建; 贝叶斯网络结构根据风险因子之间的因果关系构建,在海上能源通道海盗袭击风险指标体系中,各层指标之间定性的因果关系明确,特征明显,因而手工构建网络方法即可适用于本评估。将判别层指标作为根节点,一级指标层、准则层、目标层作为其对应父节点的子节点,构建海上能源通道海盗袭击固有风险贝叶斯网络,如图2所示。; 3.3贝叶斯网络参数设定; 蒙特卡罗模拟法[5]是利用随机数发生器来模拟实际可能发生情况的方法,当输入变量按一定概率分布取值时,利用一个随机数发生器产生按已知概率分布的数值,将数值赋值给输入的变量,反复运行,通过试验,得到模拟的结果。由此,经过大量的重复试验,最终得到无限接近于真实的分布。本文根据所获取数据并对数据进行风险处理,得到根节点对其相应风险等级的隶属程度。而后运用蒙特卡洛方法,模拟风险实际情况,进行100次重复试验,随机生成各子节点的条件概率分布表,如直接威胁条件概率分布如表4所示。; 3.4基于联合树推理算法的马六甲海峡固有风险评估; 联合树推理算法[6]是Lauritzen及Spiegelhalter于1988年提出的目前最为流行的精确推理算法之一,适用于通过多个因果机制影响的变量的概率计算,它既适用于单连通网络下的推理,又能解决多连通网络的推理。Netica软件以联合树推理算法作为技术平台,以用户输入的数据信息进行推理计算,运算结果展示在可视化界面上。将根节点概率分布及子节点条件概率输入Netica软件平台,运用联合树推理算法得到马六甲海峡海上能源通道海盗袭击固有风险值,如图3所示。由此得到固有风险对(高风险,中等风险,低风险)的隶属度分别为(45