基于貝葉斯網絡的化工園區地震次生災害情景分析*

魏利軍，王向陽,，羅艾民，多英全，王如君，向　陽

(1.中國安全生產科學研究院，北京 100012； 2.北京化工大學 化學工程學院，北京 100029)

0　引言

地震作為一種突發性強、不確定性高的自然災害，不僅僅會直接造成極大的破壞及人員傷亡，同時由于化工園區內危險化學品的存在，極易造成泄漏、火災或爆炸等嚴重的化工事故，給地震應急救援工作帶來了極大的困難[1]。為了探明地震災害化工事故演化機理，國內外學者做了大量的研究。余世舟等[2]在地理信息系統(Geographic Information System，GIS)支持下利用火災、爆炸及毒氣泄漏和擴散的數學模型，對地震次生災害進行了數值模擬，可以直觀的給出地震次生災害的危害范圍；之后，余世舟等[3]利用災害鏈理論分析破壞性地震引發化工次生災害的成災機理，并構建定量的概率分析模型，找出災害鏈中的關鍵節點，采取斷鏈措施，減少人員傷亡及財產損失；Salzano等[4]利用歷史上地震災害的事故調查結果，采用Probit模型，定義儲罐不同損傷狀態，定量的描述了地震加速度(PGA)和儲罐損壞程度之間的關系；Fabbrocino等[5]和Antonioni等[6]在此基礎上，利用定量風險評價(QRA)的方法，評估地震造成的化工事故后果，得到個人風險和社會風險，從而為震前預測提供指導性意見；Krausmann E等[7]基于Natech事件評估方法對地震、洪水等自然災害造成的化工設備失效事故進行了研究分析，其主要是研究自然災害對化工裝置造成的初步事故，而未考慮由其引發的多米諾事件。上述文中均未深層次描述事故的演化過程，而在量化研究耦合演化過程的問題上，貝葉斯[8-10]具有明顯的優勢，可依靠條件概率表達各風險節點之間的相互作用關系。因此，本文通過構建貝葉斯網絡結構圖，研究地震災害化工事故演化過程，為探索地震災害對園區影響提供新的思路。

本文通過災害鏈理論對地震災害化工事故災害機理進行分析，并將其轉化為貝葉斯網絡，構建化工園區地震災害的演化機理模型，再確定各節點變量及各自的取值范圍，通過相關文獻及專家經驗判斷分析，獲得貝葉斯網絡中各節點的條件概率值；最后，本文將對比不同地震烈度下，各化工事故發生的后驗概率，并探討應急救援及遏制化工事故發生的關鍵節點對地震次生災害的影響程度。

1　地震災害事故鏈反應機理分析

由一種災害引發另一種災害或其他一系列災害的現象稱為災害鏈，自然災害屬于典型的災害鏈[11-12]。根據該理論，由地震引發的化工事故是一種典型的鏈式結構，是一種以地震災害為外因，從而誘發化工裝置破壞及失效等內因的鏈式過程。根據地震災害事故的特點，將地震災害的誘發外因及其致災的過程稱為災害鏈的啟動環，把因地震災害造成化工裝置損壞或者泄漏等事故類型稱為激發環，泄漏事故及點火源相互作用造成火災、爆炸等化工事故稱為演化環，該災害造成的事故后果及損失稱為損害環。地震災害誘發化工事故的形成與演化過程作為一種典型的災害鏈類型，其危險性、災害性都十分巨大，且一災多鏈、連鎖反應，造成的事故后果嚴重。地震災害誘發化工事故的災害鏈反應特征總結如圖1。

圖1　地震誘發化工事故的災害鏈Fig.1　Earthquake-induced chemical accident disaster chain

2　事故鏈轉化為貝葉斯網絡

貝葉斯網絡用有向無環圖的形式表達隨機變量間的關聯特性，用條件概率分布的形式表示關聯強度[13]。因此，基于貝葉斯模型在處理不確定性方面的優勢，可將上述的事故鏈模型轉化為貝葉斯網絡對地震災害化工事故演化過程進行定量分析。

2.1　網絡節點變量及結構

地震次生化工事故演化過程可分為園區內儲罐、管道、化工設備及建筑物受地震作用破壞，火災、中毒及爆炸等化工事故，地震發生后的應急救援，人員傷亡及經濟損失等4個層次，將其分別對應上述事故鏈的各個環節，構建地震化工事故演化過程的貝葉斯網絡結構圖，貝葉斯網絡由節點和有向的弧線組成，是一個有向無環圖，如圖2所示。

本文主要探討地震強度對化工園區的影響，著重分析地震烈度的影響程度，因此將地震烈度作為主要的證據變量。當地震發生后，儲罐、管道、化工設備及建筑物會遭受不同程度的破壞，上述各個裝備均要考慮。設備破壞后，可能會造成有毒或易燃易爆原料及產品的泄漏，從而引發中毒、火災及爆炸等化工事故。除了泄漏后遇點火源發生火災爆炸外，生產設備由于輔助設施失效等原因，造成內部壓力過大，也會發生物理爆炸。事故發生后，若交通阻斷或者應急物資等因素，造成應急救援不及時，會造成更為人員傷亡及經濟損失，該模型中，主要考慮化工事故造成人員傷亡的后果類型。

2.2　網絡節點變量取值及條件概率設置

圖2　化工園區地震災害演化機理Fig.2　Evolution mechanism of earthquake disaster in chemical industry park

若假設網絡中各個父節點變量為連續性概率分布，則其對應的子節點變量也為連續分布，這會造成后驗概率參數估計的復雜性，且目前已有研究中所給出的參數估計的經驗公式，均對各個節點變量進行離散化處理， 因此本文也將各個節點進行離散化處理。由于本文主要探討地震強度對化工園區的影響程度，主要將地震烈度分為7，8，9，10共4組，其他網絡節點變量均為{是，否}2個狀態值。部分節點變量狀態分布見表1。

表1　貝葉斯網絡中部分節點狀態變量離散化分布

在上述節點變量離散化的基礎上，需確定每一個節點的條件概率值。節點條件概率分布表給出了各個節點的先驗概率值，即人們事先對該事件發生可能性大小的參數估計。由于目前國內外相關統計數據不能給出所建立貝葉斯網絡模型所需要的數據，因此本文參考了相關文獻[3,9,14]數據，并結合專家意見，給出各個節點的條件概率經驗判斷值。以化學性火災爆炸為例，其條件概率表如表2所示。

表2　“化學火災爆炸”節點的條件概率表

從上表可看出：當存在易燃易爆原料或產品的條件下，遇點火源后會發生化學性火災爆炸事故；或者由于物理爆炸引發化學性火災爆炸事故，其概率為0.821。

3　模型應用

采用上述構建的貝葉斯網絡模型對某種特定場景下地震災害的演化過程進行推理計算分析。若某化工園區內的廠房或者中控室等建筑物抗震能力強，且建筑物分布比較稀少，可認為建筑物密度低；化工園區內都設有消防隊及消防物資，以保障園區發生化工事故后，可盡快到達事故現場；地震發生在白天，園區內的工作人員都在正常上班，可認為人員密度較高。根據以上的條件，對貝葉斯網絡中相關節點變量的先驗概率進行設定，其他未涉及的節點均采用上一節中所給出的先驗概率值，并通過貝葉斯網絡計算得到網絡中各個節點的后驗概率值。輸入Netica軟件得到化工園區地震災害化工事故演化過程的貝葉斯模型圖，如圖3所示。

破壞性地震可能會造成園區內儲罐、生產設備及管道發生破裂，致使內部危險化學品發生泄漏，造成中毒、物理爆炸、化學性火災爆炸等化工事故，使得人員傷亡。由圖3可知：假設該地區發生9級烈度地震時，園區內儲罐的破裂概率為0.405，同時由于地震災害及建筑物倒塌造成生產設備破裂的概率為0.147，管道的破裂概率為0.32，從這三者的概率值可以看出，儲罐的破裂概率要高于其余兩項，主要原因為園區內的主要原料或產品存放在儲罐中，造成其數量較多，且儲罐內化學品受到其地震作用，發生晃動等，致使儲罐破裂的概率高于其余設備。當設備發生破裂后，會造成不同程度的泄漏，本文僅對泄漏的化學品作了簡單的劃分，未對泄漏的程度進行分級；由于受到原料或產品泄漏節點的約束，且園區內有毒可擴散物質種類相比于易燃易爆化學品較少，導致有毒原料或產品節點概率為0.052 6，易燃易爆化學品節點概率為0.206，之后，造成的中毒、化學性火災爆炸及物理爆炸節點概率分別為0.042，0.115及0.026 4，當得到上述概率后，由于園區內應急救援和人員密度等節點的影響，造成人員傷亡不可接受的概率變為0.021。

圖3　化工園區地震災害貝葉斯網絡結構Fig.3　Bayesian network structure of earthquake disaster in chemical industry park

變量名稱取值7級后驗概率值8級后驗概率值9級后驗概率值10級后驗概率值地震烈度7/8/9/10(1，0，0，0)(0，1，0，0)(0，0，1，0)(0，0，0，1)儲罐破裂是/否(0．063，0．937)(0．18，0．82)(0．405，0．595)(0．648，0．352)生產設備破裂是/否(0．0225，0．9775)(0．644，0．9356)(0．147，0．853)(0．227，0．773)管道破裂是/否(0．0498，0．9502)(0．142，0．858)(0．32，0．68)(0．513，0．487)有毒原料或產品泄漏是/否(0．0081，0．9919)(0．023，0．977)(0．0526，0．9474)(0．084，0．916)易燃易爆原料或產品泄漏是/否(0．0316，0．9684)(0．0903，0．9097)(0．206，0．794)(0．33，0．67)中毒是/否(0．0064，0．9936)(0．0184，0．9816)(0．042，0．958)(0．0672，0．9328)化學性火災爆炸是/否(0．0177，0．9823)(0．506，0．9494)(0．115，0．885)(0．183，0．817)物理爆炸是/否(0．004，0．996)(0．0115，0．9885)(0．0264，0．976)(0．0407，0．9593)人員傷亡不可接受/可接受(0．0035，0．9965)(0．0098，0．9902)(0．021，0．979)(0．0383，0．9617)

根據表3的計算結果：隨著地震烈度的增大，其化工設備的破裂概率值明顯升高，以儲罐為例，7，8，9，10級烈度值下其后驗概率值分別為0.063，0.18，0.405，0.648，將其值與文獻[5]中的概率值(0.07，0.2，0.45，0.72)對比，可知其后驗概率值符合其變化趨勢，但是當烈度值較大時，其概率值小于文獻中的概率值，原因可能為以貝葉斯方法模擬時，該方法對先驗概率值有一定的修正，不僅僅考慮了歷史數據，還加入了相關專家意見的先驗概率值，從而造成該值小于文獻中的值。

隨著地震烈度的增大，其事故后果概率值也有一定程度的增大，但是其中毒、化學性火災爆炸及物理爆炸概率的增長幅度相比于化工設備增長幅度相比有所降低，分別為0.006 4～0.067 2，0.017 7～0.183，0.004～0.040 7。可見，地震烈度對化工設備直接破壞的概率影響較大，但是由于存在中間多個節點變量的約束，其對事故后果的影響相對較弱。

隨著地震烈度的增大，其人員傷亡概率也有所提高，統計2008—2014年全國化工和危險化學品典型事故案例時，在非自然災害化工事故中，人員傷亡不可接受的概率為0.003，可見當發生9～10級烈度地震時，人員傷亡概率值會增大一個數量級，該結論與文獻[15]中的結論一致，文獻中描述的是大型地震會造成PLL值會增大1～2個數量級。

同理，以9級烈度的地震為例，當地震發生時，若化工事故及人員傷亡成為事實，在建筑物屬性等因素不可控的情況下，若采用適當科學的救災措施，使應急救援能夠及時，化工園區內部的人員密度降低，可使人員傷亡概率的損失達到最小，按照上述的思路，將貝葉斯網絡中應急救援及人員密度改變不同的參數值。

表4　應急救援對人員傷亡的后驗概率值影響程度

由表4計算結果可知：當應急救援及人員密度處于同一狀態時，從危險性的角度考慮，應急救援的危險性較大，這是由于化工事故可能不會造成人員當場死亡，更多的是救援不及時，致使人員搶救無效死亡，因此應著重加強救援工作，如當地震發生后，應及時回復交通、電力系統，使節點回復正常，而當人員密度均為大時，由于救援不及時，會造成人員的傷亡不可接受概率值從0.019 8增加為0.024 5。

4　結論

1)將地震災害化工事故演化過程分為園區內儲罐、管道、化工設備及建筑物受地震作用破壞，火災、中毒及爆炸等化工事故，地震發生后的應急救援，人員傷亡及經濟損失4個層次，每個層次分別對應事故鏈的各個環節，完成由事故鏈轉化為貝葉斯網絡圖的過程。

2)根據各節點的先驗概率值，選定特定場景進行貝葉斯推理分析，對比不同地震烈度下的化工事故后果及人員傷亡情況，并探討應急救援的及時及有效性對地震次生災害發生概率的影響程度。

3)概率評估方法需要實際的次生災害評估結果作為計算參數，但是現有的評估方法不統一，而且基于地震的事故信息不完整，其現有的概率數據只能基于少量的數據及專家意見來確定，造成其適用范圍，應用條件有限，該方面應進一步研究。

[1]趙振東,王桂萱,趙杰.地震次生災害及其研究現狀[J].防災減災學報,2010,26(2):9-14.

ZHAO Zhendong, WANG Guixuan, ZHAO Jie. Secondary disaster of earthquake and the present research situation[J]. Journal of Disaster Prevention and Reduction, 2010, 26(2):9-14.

[2]余世舟,趙振東,鐘江榮.基于GIS的地震次生災害數值模擬[J].自然災害學報,2003,12(4):100-105.

YU Shizhou, ZHAO Zhendong, ZHONG Jiangrong. Numerical simulation of secondary disasters of earthquake based on GIS[J].Journal of Natural Disasters, 2003,12(4):100-105.

[3]余世舟,張令心,趙振東,等.地震災害鏈概率分析及斷鏈減災方法[J].土木工程學報,2010, 43(S1)：479-483.

YU Shizou , ZHANG Lingxin , ZHAO Zhendong, et al. Probability analysis of earthquake disaster chain and chain-cutting disaster mitigation method[J].China Civil Engineering Journal, 2010, 43(S1)：479-483.

[4]E. Salzano, I. Iervolino, G. Fabbrocino. Seismic risk of atmospheric storage tanks in the framework of quantitative risk analysis[J]. Journal of Loss Prevention in the Process Industries,2003(16):403-409.

[5]Giovanni Fabbrocino, IunioIervolino, Francesca Orlando, et al. Quantitative risk analysis of oil storage facilities in seismic areas[J]. Journal of Hazardous Materials, 2005,123(1):61-69.

[6]Giacomo Antonioni, GigliolaSpadoni, Valerio Cozzani. A methodology for the quantitative risk assessment of major accidents triggered by seismic events[J]. Journal of Hazardous Materials,2007,147:48-59.

[7]Elisabeth Krausmann, Ana Maria Cruz. Impact of the 11 March 2011, Great East Japan earthquake and tsunami on the chemical industry[J]. Natural Hazards,2013,67(2):811-828

[8]姚錫文,許開立,王貝貝,等.石化裝置火災爆炸貝葉斯網絡與防護層集成分析[J].中國安全生產科學技術,2014,10(3):95-100.

YAO Xiwen, XU Kaili, WANG Beibei,et al.Integrative analysis of Bayesian networks and LOPA for fireand explosion in petrochemical plant[J].Journal of Safety Science and Technology,2014,10(3):95-100.

[9]馬祖軍,謝自莉.基于貝葉斯網絡的城市地震次生災害演化機理分析[J].災害學,2012，27(4):1-5.

MA Zujun, XIE Zili. Evolution mechanism of earthquake-induced urban disasters based on Bayesian network[J]. Journal of Catastrophlogy, 2012,27(4):1-5.

[10]朱婷,趙來軍,王旭磊.基于貝葉斯網絡的危險化學品道路運輸事故分析[J].安全與環境學報,2016,16(2):53-60.

ZHU Ting, ZHAO Laijun,WANG Xulei. Analysis of the hazardous material transportation accidensbased on the Bayesian network method. Journal of Safety and Environment,2016,16(2):53-60.

[11]史培軍.三論災害研究的理論與實踐[J].自然災害學報,2002,11(3):1-9.

SHI Peijun. Theory on disaster science and disaster dynamics[J]. Journal of Natural Disasters, 2002,11(3):1-9.

[12]尹衛霞,王靜愛,余翰,等.基于災害系統理論的地震災害鏈研究—中國汶川“5.12”地震和日本福島“3.11”地震災害鏈對比[J].防災科技學院學報,2012,14(2):1-8.

YIN Weixia, WANG Jingai, YU Han, et al. Study of earthquake disaster chains based on disaster system theory—comparison of disaster chains between the 12 May Wenchuan earthquake in China and the 11 March Tohoku earthquake in Japan[J]. Journal of Institute of Disaster Prevention, 2012,14(2):1-8.

[13]Javier Alvarez Galvez. Discovering complex interrelationships between socioeconomic status and health in Europe: A case study applying Bayesian Networks[J]. Social Science Research,2016,56(1):133-143.

[14]Michela Campedel，Valerio Cozzani, Anita Garcia-Agreda, et al. Extending the quantitative Assessment of Industrial Risks to Earthquake Effects[J]. Risk Analysis,2008,28(5):1231-1246.

[15]顏峻,左哲.建筑物地震次生火災的貝葉斯網絡推理模型研究[J].自然災害學報,2014,23(3):205-212.

YAN Jun, ZUO Zhe. Study on inference model of seismic secondary fire of building based on Bayesian networks[J].Journal of Natural Disasters, 2014,23(3):205-212.