海运业和海洋产业在确保可持续的未来中发挥着至关重要的作用外文翻译资料

 2022-05-09 23:38:49

海运业和海洋产业在确保可持续的未来中发挥着至关重要的作用。海洋覆盖了全球70%的海面，为海运业和海洋产业提供了巨大的潜力。海上石油和天然气资源的开采、海上风力和海浪能源等各方面的成功表现，对所有积极从事这一独特而又固有的危险工业的国家的经济都是至关重要的。特别是，涉及客船的事故可能会造成人员伤亡的高风险。因此，为了提高船舶安全性，已经进行了大量的研究。这些研究的一个结果是客船的基于风险的设计(Risk-Based Design ，RBD)概念，其主要标准是船舶在受损情况下生存的能力。虽然这些研究已经解决了船舶设计问题，但对船舶运营的风险设计却较少关注 (Montewka et al.，2014) 。在海上工业中发生的最常见的事故之一是重型与轻型起重故障。正如在各种案例中所显示的那样，海上起重活动造成的重大事故危险，对工人的生命和健康、环境污染、直接和间接经济损失以及能源供应安全的恶化都可能造成严重后果。

由于海洋产业的重要性，研究人员进行了许多的研究，并且在事故分析、风险评估和安全程序方法方面已经得到了许多结果。从这些研究中可以看出，有效的风险管理对于复杂项目的安全开发和运行是至关重要的。根据概测法，风险评估-部分风险管理周期-应具有成本效益和足够详细的细节，以便在随后考虑降低风险的情况下对风险进行排名。特别是，引入基于风险的安全管理系统导致了定性研究的使用，这两者都涉及到具体的海洋业务。最近，在“变更管理”概念的各个方面，定量风险评估可能包括对下列风险维度中的一个或几个方面的偶然事件概率和后果的量化：人员、环境和资产。定量风险评估的使用通常被认为是负面的。Ferdous等人(2009)指出，在实践中，对事件概率的精确估计是困难和高代价的，因为在大多数情况下，这些估计是依据专家有限的知识、不完整的信息、质量不佳的数据所得的结果，或者是对失效机制的不完善的解释。这些不可避免的问题给风险评估的方法带来了不确定性，使整个风险分析过程变得不那么可信。

一般认为不确定性可以分为两类。偶然不确定性，也称为随机或可变不确定性，是指不能通过更详尽的测量或更好的模型来减少的不确定性，是由于概率变化而产生的内在不确定性。认知或主观不确定性是指可减少的不确定性。然而，我们必须指出，更多的信息可能会减少不确定性。在文献中，(Oberkampf等人，2000;Sentz Ferson,2002;Helton和Oberkampf, 2004)，使用两种方法解决了认知的不确定性：证据(Dempster-Shafer)理论、可能性理论、模糊集理论和区间分析等非概率方法;贝叶斯方法或经典概率方法等概率方法，利用边界的变换得到概率密度函数(Urbina和Mahadevan, 2011)。

不幸的是，到目前为止，涉及多重危险的风险评估通常在独立的分析中进行，忽略了可能的级联效应(Marzocchi 等人，2012)和处理不可行的多风险情况的标准方法(Kappes 等人， 2012；Nadim和Liu,2013)。因此，评估是在没有预期准确性的情况下进行的。事实上，每种危险和风险对其他的影响，即在评价中忽略了每一个发生的已识别的风险在发生的其他风险上的概率。贝叶斯网络（Bayesian Network，BN）的实现比传统的概率方法更适合于整体的分析框架并具有许多的优势。在一个一致的系统中，BNs合并领域知识和多源数据，并且具有一个灵活的网络结构，这有利于识别局部最优解(Li等，2010)。BN是一种图形推理技术，用来表示变量之间的因果关系。BNs用于预测未知变量的概率或更新已知变量的概率，通过概率传播或推理过程(Khakzad等人，2011)给出其他变量(证据)的特定状态。

此外，海上设施的安全通常需要人类的行动。在监管的基础上，在管理系统或风险评估中，通常没有明确的定义或特定的要求将人的错误考虑纳入到管理系统或风险评估中(Khan等, 2006)。忽视人类错误作为最重要的危险之一，可能被认为是低估或高估风险评估的另一个原因。在需要与调整安全相关的人类行为和行政控制的情况下，这些行动的可行性和可靠性可以用任务分析来定性。这种定性模型可以用来证实任何基于人类的安全声明，并定量地模拟相关人为错误的概率。任务分析提供了必要的支持以论证人力可靠性评估过程的合理性。

人的错误直接或间接地与一些被称为行为形成因子(Performance Shaping Factors，PSFs)的因素有关，这些因素通常被归类为外部的、内部的、心理的或生理的因素(Abbassi等， 2015)。通过考虑提及到的PSFs的所有方面，利用一种被称为成功似然指数方法(SLIM) (Kirwan, 1994)的分析方法来对这些行为的人为误差的可能性进行量化。这一方法对于风险的高精度量化是至关重要的。相反，人类在提高系统可靠性方面的作用也应考虑在内。尽管目前使用了数十种定量风险评估技术，但大多数都没有计算出人为失误的可能性。

HEPs通常是通过专家判断或使用一个或多个人为可靠性评估(Human Reliability Assessment，HRA)量化技术来决定的，如人为失误评估和减少技术(Williams,1986)，SLIM (Kirwan,1994)方法，或人为失误率预测技术 (Technique For Human Error Rate Prediction，THERP)( Swain和Guttmann,1983)。虽然其中一些技术已经显示出合理的准确性(Comer等人，1984; Kirwan,1988;Kirwan et al.，1995)，但其精度问题仍未得到解决。在近海世界中，这种不确定性是复杂的，因为这些技术主要是为核能应用而开发的，大部分用于开发或验证这些技术的数据来自于核能。因此，当这些技术和一些人为失误数据存在时，它们转换为近海系统的相关性是不确定的。近海风险评估必须至少建立一些关于人为失误概率的数据，以支持其风险评估实践(Basra和Kirwan, 1998)。

如果遗漏了人为对重大事故发生可能性的影响，那么事件发生的概率可能被严重低估。相反，人类在提高系统可靠性方面的作用也必须考虑在内。尽管目前使用了数十种定量风险评估技术，但大多数都没有计算出人为失误的可能性。

BN是一个具有一系列概率的图。结合概率论和图论，BNs由节点、节点之间的节点和条件概率表(Conditional Probability Tables，CPTs)(Chen和Leu, 2014)组成。BN是基于以有向无环图(Directed Acyclic Graph，DAG) 为代表的定义良好的贝叶斯定理，其节点表示随机变量，而弧线表示连接节点之间的直接因果关系(Abimbola等，2015)。这一图形概率模型是由Judea Pearl在20世纪80年代引入的，它是许多实用工具的来源，这些工具对于表示不确定的知识非常有用，并提供了一个处理不完全信息的推理过程(Bouhamed等，2015)。

建筑行业因其事故的易发性(Kang等，2017)而被认为是最危险的行业之一。Evan等(2016)通过对297篇文章的分析，得出了高处坠落(Falls From Height，FFH)是造成严重的建筑事故和工人致命伤害的重要原因。因此，防止和控制高空事故的发生是建筑业应解决的一个重要问题。人为可靠性分析(Human reliability analysis，HRA)是防止和控制高处坠落事故的关键手段。人类误差可能性的定量评估是HRA的主要关注点之一，人们对人为误差概率(human error probability，HEP)的估计、人为因素和坠落概率的关注是提高安全性能和降低土建工程风险的有效途径。

Lirio等人(2016)采用预测模型分析老年人跌倒的风险因素和姿势图表参数，找出导致跌倒的主要因素并预防跌倒。Renato等(2017)量化了岩崩发生的概率，并提出了一个量化岩崩时间分布的模型。Gregory等(2016)分析和评估了公开可用的坠落数据集，并找到了最具代表性的特征向量，并提供了坠落检测研究的建议。Michelle等(2017)通过计算个体测试的后验概率来评估老年人跌倒的风险。Seyed等(2014)利用贝叶斯网络估计高处坠落在工作场所的后验概率。Robert等(2016)通过调查和分析与狩猎相关的伤害和死亡的数据，提出了降低狩猎者从高架狩猎平台坠落的概率的建议。Kari和Karen(2013)进行了一系列实验，认为婴儿是通过摔倒的概率来判断是否跨桥。Yasumichi(2012)分析了历史统计的高处坠落数据，并进行了高处坠落模拟实验，讨论了损伤概率与跌落高度的关系。

虽然上述对跌倒概率的定量研究已经进行，但其中很大一部分是关于老年人的预防和控制，而基于HRA的FFH坠落概率的历史研究却很少。事故评价方法是计算FFH坠落概率的一种方法，广泛研究并应用于其他事故分析中。海伦和盖伊(2015)利用人为因素分析和分类系统(Human Factors Analysis and Classification System，HFACS)分析了海上交通事故。成功似然指数法(SLIM)、人为错误率预测技术(Technique for Human Error Rate Prediction，THERP)和人为误差评估与还原技术(Human Error Assessment and Reduction Technique，HEART)是职业事故中最常见的HEP评估方法(Aalipour等，2016; Ribeiro等2016; Islam等2017)。Gerassis等(2016)利用贝叶斯网络(BNs)分析了堤防建设中的事故。由于上述几种方法可以对事故进行评估和分析，我们通过结合其中的一些方法来计算出FFH的下降概率。

首先，我们利用BNs来计算FFH的最终坠落概率。BNs是在不确定性下进行推理的强大工具，并且有一些证据描述该变量存在时，能够更新某些未知变量的先验概率 (Ramirez和Utne,2015;Hosseini和Barker,2016)。最重要的是，BNs可以确定事故原因之间的关系，这可能使得早期和预防性的安全措施得以实施。然而，条件概率表(CPT)的确定可能相当困难，因为不同专家的主观判断可能直接影响准确性(Maryam等,2016)。专家的主观判断可以通过学习原始数据来消除(Chen和Wang, 2017; Leu和Chang,2017)。因此，我们通过将经验贝叶斯(EB)与真实的FFH事故数据相结合，客观地计算出CPT。

EB是一种用于统计推断的方法，其先验分布是由数据估计的(Robbins, 1985)。该方法利用集合数据来估计这些先验分布，以避免应用主观概率分布。先验信息与样本数据的结合决定因素的后验分布(Johnson和Rabinovic, 2007)。当样本容量很小的时候，可以用EB对高维数据进行有力的处理(Johnson和Rabinovic, 2007)。EB可以修正对一个实体的预测平均值，从而对其进行修正(Zou et al, 2012)。EB估计量对于先验分布的错误规范具有鲁棒性，并且已经被证明是一种有效的估计量构造方法，在贝叶斯和频率标准下都具有良好的性能(Babulal 和Sk,2015)。虽然EB方法有很多优点，但仍有一些问题可能会限制其广泛应用。首先，先验概率值通常具有异质性，影响了EB方法的准确性(Zou et al, 2017)。其次，当EB模型处理具有估计参数的高维积分时，积分是难以解析的。

针对上述问题，在需要进行更高维度参数估计时，采用基于马尔可夫链的蒙特卡洛方法(MCMC)等数值随机技术求解。同时，MCMC方法可以通过参数的后验分布得到未观察到的变量，使得EB分析变得很容易(Richard, 2002)。用于计算先验概率值的数据来自中国著名大型建设项目的FFH事故调查报告，如中国长江三峡工程等。数据来源于典型的FFH事故，具有一定的普遍性，保证了有效统计估计的足够样本容量，解决了第一个问题。

因此，考虑到EB方法的不足和局限性，我们开发了基于真实FFH事故数据的结合MCMC方法与EB方法的模型。Timothy(2014)实施了SEM方法，使用EB估计最大似然先验参数，MCMC估计联合后验分布。Arnab等人(2017)基于MCMC采样与EB的结合，开发了一种EM算法，用于估计先验的超参数。

与上述方法不同的是，我们的算法旨在提出一种基于MCMC的定量模型来估计FFH事故的先验概率，并以EB的吉布斯抽样方法计算后验概率。

在确定了CPT之后，应该构建BNs的结构，大量的文献得出结论，建立BNs用于实际应用可能是相当困难和繁琐的。因此，为了补充BNs的能力并建立它，有必要使BNs与其他方法互操作，流行的混合方法是故障树(FT)转换(Chen和Leu, 2014; Marcelo和Marcos,2013; CHEN和 WANG,2017)。FTs的方法广泛运用在过程系统风险分析 (Ferdous等，2009)和故障诊断领域(Bartlett等，2009;Rodak和Silliman,2012)。Castillo等(1999)，Bobbio等人(2001)和Mahadevan等人(2001)提出相关文献解释了FT如何转化为BN，并维持其布尔行为。Khakzad等人(2011)比较了FTs和BNs在工艺设施中的安全分析方法，并指出了将FTs和BNs结合的可能性。

可靠性分析方法分为定量和定性两种。事件和因素的定性方法分析导致系统错误和没有数值,而定量方法使用0 - 1的数字表达事件发生与否，并基于布尔代数，然而定量分析需要一个定性的评估(Masoud和Saber,2015)。FT仅仅是一种定量的方法，为了分析FFH事故病得出HEP的值，本研究采用HFACS方法进行定性分析，结合专家访谈和文献综述构建FT框架。FT框架随后根据FT-BN的转化方法，建立一个BN。

HFACS是一种人为失误的分类方法，它基于瑞士著名的事故因果关系模型(Reason, 1990)。HF

全文共6925字，剩余内容已隐藏，支付完成后下载完整资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[12599]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章