基于复合模型的轨道运输事故风险分析

doi:10.12068/j.issn.1005-3026.2018.07.027

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (7): 1048-1052.DOI: 10.12068/j.issn.1005-3026.2018.07.027

基于复合模型的轨道运输事故风险分析

徐青伟，许开立

(东北大学资源与土木工程学院，辽宁沈阳110819)

收稿日期:2017-03-26 修回日期:2017-03-26 出版日期:2018-07-15 发布日期:2018-07-11
通讯作者: 徐青伟
作者简介:徐青伟(1990-)，男，河南民权人，东北大学博士研究生；许开立(1965-)，男，山东郓城人，东北大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家重点研发计划项目(2017YFC0805100).国家自然科学基金资助项目(51171041).

Risk Analysis of Rail Haulage Accident Based on Composite Model

XU Qing-wei， XU Kai-li

School of Resources & Civil Engineering， Northeastern University， Shenyang 110819， China.

Received:2017-03-26 Revised:2017-03-26 Online:2018-07-15 Published:2018-07-11
Contact: XU Kai-li
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了系统化地分析斜巷轨道运输事故，提出了在贝叶斯网络的基础上融合预先危险性分析-保护层分析(PHA-LOPA)、蝴蝶结分析于一体的复合模型风险分析方法.首先，借助于GeNIe软件实现贝叶斯网络的双向推理能力，辨识出风险贝叶斯事故节点;然后，对事故节点进行PHA-LOPA研究，确定引起事故的原因、造成的结果，设置独立保护层降低事故节点的危险性等级;最后，对剩余危险性等级仍然较高的事故节点进行蝴蝶结分析，设置安全屏障，进一步控制事故的发生.以某矿斜巷轨道运输事故为例，应用该复合模型风险分析方法，结果验证了所提方法的正确性和可行性.

关键词: 贝叶斯网络, 预先危险性分析, 保护层分析, 蝴蝶结分析, 轨道运输事故

Abstract: A composite risk analysis model was put forward to analyze the rail haulage accident in inclined tunnel systematically. The model combines preliminary hazard analysis-layer of protection analysis (PHA-LOPA) with bow-tie analysis together based on Bayesian network. First， taking advantage of two-way reasoning ability of Bayesian network identified the risk Bayesian accident nodes with the help of GeNIe software. Second， the accident nodes was studied using PHA-LOPA to determine the causes and results of the accident， and to set independent protection layer to reduce the risk level of the accident nodes. Third， bow-tie analysis was performed on the accident node where the residual risk level was still high， safety barriers were set and the occurrence of the accident was further controlled. The proposed composite risk analysis model was applied to a rail haulage accident in inclined tunnel in a mine， and the validity and feasibility was verified by the results.

Key words: Bayesian network, preliminary hazard analysis, layer of protection analysis, bow-tie analysis, rail haulage accident

中图分类号:

X936

徐青伟，许开立. 基于复合模型的轨道运输事故风险分析[J]. 东北大学学报:自然科学版, 2018, 39(7): 1048-1052.

XU Qing-wei， XU Kai-li. Risk Analysis of Rail Haulage Accident Based on Composite Model[J]. Journal of Northeastern University Natural Science, 2018, 39(7): 1048-1052.

参考文献

[1]Xu Q W，Xu K L.Evaluation of ambient air quality based on synthetic cloud model ［J］.Fresenius Environment Bulletin，2018，27(1):141-146.
[2]景国勋，冯长根，杜文.倾斜井巷轨道运输事故的系统安全分析［J］.中国安全科学学报，2000，10(3):23-27.(Jing Guo-xun，Feng Chang-gen，Du Wen.System safety analysis on rail haulage accident in inclined tunnel ［J］.China Safety Science Journal，2000，10(3):23-27.)
[3]Khakzad N.Application of dynamic Bayesian network to risk analysis of domino effects in chemical infrastructures ［J］.Reliability Engineering and System Safety，2015，138:263-272.
[4]Yu R G，Wang X S，Yang K，et al.Crash risk analysis for Shanghai urban expressways:a Bayesian semi-parametric modeling approach ［J］.Accident Analysis and Prevention，2016，95:495-502.
[5]Tang C H，Yi Y J，Yang Z F，et al.Risk analysis of emergent water pollution accidents based on a Bayesian network ［J］.Journal of Environmental Management，2016，165(2):199-205.
[6]Badreddine A，Amor N B.A Bayesian approach to construct bow tie diagrams for risk evaluation ［J］.Process Safety and Environmental Protection， 2013，91:159-171.
[7]Khakzad N，Khan F，Amyotte P.Dynamic safety analysis of process systems by mapping bow-tie into Bayesian network ［J］.Process Safety and Environmental Protection， 2013，91:46-53.
[8]Summers A，Vogtmann W，Smolen S.Improving PHA/LOPA by consistent consequence severity estimation ［J］.Journal of Loss Prevention in the Process Industries，2011，24:879-885.
[9]Xu Q W，Xu K L.Mine safety assessment using gray relational analysis and bow tie model［J］.PLoS ONE，2018，13(3):e0193576.
[10]Aqlan F，Ali E M.Integrating lean principles and fuzzy bow-tie analysis for risk assessment in chemical industry ［J］.Journal of Loss Prevention in the Process Industries，2014，29:39-48.

[1]	李婵，曲璐渲，信俊昌，王之琼. 基于潜在调控因子筛选的高阶动态贝叶斯建模方法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 323-330.
[2]	彭志鹏，潘恒彦，王永岗. 基于贝叶斯网络的网约车交通事故致因机理分析[J]. 东北大学学报（自然科学版）, 2023, 44(1): 145-152.
[3]	王姝，关展旭，王晶，孙晓辉. 基于迁移学习的贝叶斯网络参数学习方法[J]. 东北大学学报（自然科学版）, 2021, 42(4): 509-515.
[4]	吴雅菊，许开立，王若菌，徐晓虎. 高温熔融金属作业安全完整性评价[J]. 东北大学学报（自然科学版）, 2021, 42(4): 576-581.
[5]	王馨，王婧，李金锋. 基于贝叶斯网络的企业社交网络招聘风险评价[J]. 东北大学学报:自然科学版, 2020, 41(9): 1356-1362.
[6]	赵建喆，吴辰铌，王兴伟，裴丽亚. 基于马尔可夫毯的贝叶斯网络结构学习算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 464-470.
[7]	曲璐渲，郭上慧，王之琼，信俊昌. 基因调控网络的父节点筛选贝叶斯建模方法[J]. 东北大学学报:自然科学版, 2020, 41(2): 158-162.
[8]	王延瞳，许开立，李力，张津嘉. 基于WBS-RBS-BN的蓄电池充电区域氢气火灾爆炸事故研究[J]. 东北大学学报:自然科学版, 2018, 39(6): 886-891.
[9]	汤规成，许开立，李德顺，刘家喜. 石化装置BN拓扑结构节点态势分析模型与应用[J]. 东北大学学报:自然科学版, 2016, 37(7): 1017-1021.
[10]	赵建喆，李凯. 一种改进的多模块贝叶斯网络局部推理算法[J]. 东北大学学报:自然科学版, 2015, 36(9): 1251-1255.
[11]	夏登友，钱新明，段在鹏. 基于动态贝叶斯网络的非常规突发灾害事故情景推演[J]. 东北大学学报:自然科学版, 2015, 36(6): 897-902.
[12]	姚锡文，许开立，闫放，汤规成. 复合型工艺风险评估模型的研究及其现场应用[J]. 东北大学学报:自然科学版, 2015, 36(5): 737-742.
[13]	闫放，许开立，姚锡文，王延瞳. 基于BN-bow-tie的生物质气化中毒事故分析[J]. 东北大学学报:自然科学版, 2015, 36(3): 437-441.
[14]	闫放，许开立，姚锡文，王犇. 生物质气化火灾爆炸事故复合型风险评价[J]. 东北大学学报:自然科学版, 2015, 36(11): 1648-1652.
[15]	姚锡文，许开立，汤规成，王文菁. 基于贝叶斯网络的HAZOP-LOPA集成分析与应用[J]. 东北大学学报:自然科学版, 2014, 35(9): 1356-1359.

基于复合模型的轨道运输事故风险分析

Risk Analysis of Rail Haulage Accident Based on Composite Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价