事故因果关系与贝叶斯网络模型.DOC

基于Bayes网络的钻探工程孔内事故风险评估研究 平顶山工业职业技术学院 向玲玲 摘 要：孔内事故是煤田地质钻探过程中所遇到主要问题，孔内事故不仅直接影响钻探工程施工进度，严重的孔内事故还会造成钻孔的报废，导致大量人力、物力、财力的浪费，钻探成本增高，生产任务不能按时完成，甚至还会带来人身事故，造成国家重大财产损失和个人生命丧失。本文主要内容是采用贝叶斯网络作为核心技术，充分利用贝叶斯网络的优点，实现面向钻探工程孔内事故的风险评估模型。 关键词：/ 故障树分析方法，并引入贝叶斯网络推理算法，建立孔内事故风险评估模型，提出了孔内事故进行概率风险评估的方法。 1 造成孔内事故的原因 在钻探过程中，钻头不断地破碎岩石，孔壁岩石失去了原来的支撑条件，呈现出不稳定状态，如果钻探措施不能适应这些变化，就会造成孔内诸多复杂情况和事故。据统计，当前事故与复杂情况可占钻探施工总时间的6～8％，造成巨大经济损失。归纳造成孔内事故的主要原因有如下几个方面。 地质条件：由于勘探区地层结构复杂，软硬岩层互交替频繁，岩层产状多变，而煤田勘探钻孔一般都设计为垂直孔，软硬岩层对钻头底唇面的反作用力不同，在钻压的作用下，钻具的轴心线易产生偏移，致使钻孔弯曲过大。另外，松软岩层及富水、厚度较大的第四系地层极易造成埋钻事故。 设备质量问题：过度使用导致设备强度减弱，比如钻杆磨损可能导致钻具折断事故发生。 在主观方面：现场施工人员经验不足，缺少对事故的预见性，遇到比较复杂的情况时，缺乏应对的技术处理措施。发生事故后，不认真分析研究，总结经验教训。这些都会助长事故的发生。 违章操作：不具体观察分析孔内、地面各部分的情况。例如，泥浆泵过降量小，造成烧钻事故；泥浆管理不到位，也会造成掉块卡钻等事故。 2 事故因果关系与贝叶斯网络模型 事故的发生不是一个孤立的事件，尽管事故发生可能在某一瞬间，却是一系列互为因果的原因事件相继发生的结果。海因里希认为：防止事故发生重点是:防止人的不安全行为，消除物的不安全状态，中断事故连锁进程，避免事故发生。 图1 海因里希事故因果连锁论 文章首先将事件树转化为贝叶斯网络，然后将各环节事件对应的故障树转化为贝叶斯网络，进而将两者进行整合,最终完成贝叶斯网络的构建。进而利用得到的贝叶斯网络对系统进行安全性分析。 图2 孔斜事件树对应的贝叶斯网络 孔斜事件树对应的贝叶斯网络如图2示。其中: X = 0 表示安全环节发生作用， X = 1 表示安全环节不发生作用。 如图3示，节点outcome 对应于事件树中的后果，共有9个状态：状态1（易发生卡钻、断钻、埋钻和烧钻），状态2（易发生卡钻、断钻、埋钻），状态3（易发生卡钻、断钻、烧钻），状态4（易发生卡钻、断钻），状态5（易发生卡钻、埋钻、烧钻），状态6（易发生卡钻、埋钻），状态7（易发生卡钻、烧钻），状态8（易发生卡钻），状态9（安全）。贝叶斯网络中根节点KX 、KZ、DZ、MZ和SZ的概率分布暂时不予赋值,留待与该节点对应的故障树转化成的贝叶斯网络进行整合, 叶节点outcome的条件概率分布可表示为 P(outcome=1|KX=1,KZ=1,DZ=1,MZ=1,SZ=1)=1 P(outcome=2|KX=1,KZ=1,DZ=1,MZ=1,SZ=0)=1 P(outcome=3|KX=1,KZ=1,DZ=1,MZ=0,SZ=1)=1 P(outcome=4|KX=1,KZ=1,DZ=1,MZ=0,SZ=0)=1 P(outcome=5|KX=1,KZ=1,DZ=0,MZ=1,SZ=1)=1 P(outcome=6|KX=1,KZ=1,DZ=0,MZ=1,SZ=0)=1 P(outcome=7|KX=1,KZ=1,DZ=0,MZ=0,SZ=1)=1 P(outcome=8|KX=1,KZ=1,DZ=0,MZ=0,SZ=0)=1 P(outcome=9|KX=1,KZ=0,DZ=0,MZ=0,SZ=0)=1 将事件树和故障树转化为贝叶斯网络后，将事件树对应的贝叶斯网络中根节点与故障树对应的贝叶斯网络的叶节点对应起来，对于相同名称的节点，叠合 为一个节点，保持其连接关系不变，建立整合的贝叶斯网络，根节点的概率分布和非根节点的条件概率分布在整合过程中保持不变。 图3 孔斜事件的整合贝叶斯网络 3 基于Bayes网络的孔内事故概率风险评估 钻探工程孔内事故风险预警系统作为现代工程施工管理决策支持系统的一个组成部分，其主要功能有： （1）记录现场数据，对所有施工记录及数据进行归档，并强制作业规范； （2）根据当时的现场环境估测可能发生的事故种类及其风险概率； （3）事故发生后的智能决策，给出应急方案； （4）设备管理，原材料管理，日常成本费用管理； （5）