船舶溢油評估模型研究

董潔，杜利明

(沈陽建筑大學 電氣與控制工程學院，遼寧 沈陽 110168)

0 引 言

隨著各國對海洋環境保護的重視程度不斷提升，如何控制海洋污染源成為了各國共同關注的課題。海洋污染源主要包括船舶污染、傾倒污染、海底活動污染以及陸地來源污染，其中船舶溢油是產生船舶污染的重要因素。為減少船舶作業過程產生的污染事故，有必要建立起船舶溢油評估模型，對溢油事故風險進行預測和評估，及時采取有效控制措施降低污染損失。

1 船舶溢油風險評估

1.1 溢油動力過程

當船舶發生溢油事故之后，在風力、潮流、海浪、光照等因素的綜合作用下，會產生一系列的物理化學變化，包括動力過程和非動力過程，船舶溢油行為示意圖如圖1 所示。

圖1 船舶溢油行為示意圖Fig.1 Schematic diagram of ship oil spill behavior

溢油動力過程主要包括4 種：一是擴散。油膜受到油品溢油方式和油品因素的影響發生自身擴散，對于緩慢溢油事故而言，油膜擴散速度較慢。而對于大規模溢油量而言，油膜擴散速度較快；二是遷移。當船舶溢油后的油膜自由擴散到一定程度之后，在環境因素作用下，油膜向垂直和水平方向遷移；三是分散。船舶油膜受外力作用打碎，因油膜直徑較小，所以小分子油滴重新聚集成膜，懸浮在水體上，經歷成球、分散、聚合的過程；四是沉積。油滴與水中的懸浮顆粒發生吸附作用，當油滴質量足夠大時發生沉降。當海水中懸浮物濃度越高，油滴沉降現象越頻繁。

溢油非動力過程。油膜受自身性質影響發生非動力變化，具體包括以下5 種變化：一是蒸發。油膜質量逐步衰減，溢油量減小，在溫度和光照作用下，油膜中的組分發生光氧化反應，其生成物質對生態環境造成破壞；二是溶解。油品中烴類物質進入水體中逐步溶解，當溢油擴散程度較大，海水溫度較高時，油品溶解速率也隨之加快；三是乳化。油品中的石蠟、瀝青會在海水中發生乳化反應，在油膜厚度、風速等因子的綜合作用下，導致油品乳化程度存在一定差異。在船舶油品中，易乳化的油品包括潤滑油和原油；四是生物降解。油品受到海水中生物的作用產生二氧化碳、水以及其他中間產物，不同石油的化學分子結構存在一定差異，使其降解速度有所不同。在清除溢油過程中，為加快清除速度，一般采用生物降解方式；五是光化學變化。油品吸收光子后激發分子活性，發生組分分解，產生強烈的化學反應活性，產生含氧自由基，發生持續性的氧化作用。

1.2 船舶溢油評估模型

為模擬船舶溢油后的動態變化情況，需建立溢油評估模型，掌握溢油面積、殘油分布和油膜最終歸宿，評估溢油應急反應和造成的損失。本文提出構建動力軌跡模型對船舶溢油的不同動力變化因素進行分析，主要包括以下3 種動態過程模型：

溢油擴散模型。采用Fat 模型構建船舶溢油擴散模型，綜合考慮表面張力、重力、粘結力和慣性力的作用，假定在海面平靜且無需考慮油品性質、海流、風力等因素的條件下，建立起油膜擴散連續運動方程：

式中：

h

為油膜厚度；

u

為油膜擴散速度；

r

為距離油膜中心的徑向坐標。根據公式推演出慣性擴散、粘性擴展和表面張力擴展階段的計算公式。

在主要溢油遷移模型和質點遷移模型中，溢油遷移模型采用水動力學進行建模，質點遷移模型采用潮流場數據和風場數據進行建模。當船舶發生溢油事故時，溢油軌跡受到潮流、風場的影響程度較大，油膜動態軌跡公式為：

式中：

R

為油膜質心位移量；

t

為溢油的時間段；

D

為潮流對溢油的作用；

U

為潮流退去時間；

k

為風力作用。

GNOME 是權威性災害應急反應部門針對船舶溢油構建的評估模型，通過模擬洋流、風場、溢油量等因素，預測溢油漂移和擴散情況，在預設時間內明確溢油運行軌跡。在GNOME 模型中，采用歐拉流場進行模擬，充分考慮溢油時間等因素，對油滴的動態位移情況進行判斷，掌握油滴運動可能影響的區域，構建溢油軌跡模型：

1.3 船舶溢油評估方法

船舶溢油因素涵蓋多個方面，本文提出采用綜合評價模型對不同層次因素進行分類，確定各項影響因素的優劣次序，制定完善的評價指標，對溢油危害程度進行評價。綜合評價模型采用權重

w

，先分析單因素，再分析多因素的模糊綜合評價結果。在初次評價中，對每個單因素建立起因素評價矩陣，利用層次分析法計算得出因素權重；在二次評價中，劃分因素集合，確定重要因素的模糊子集，得出二次綜合評價結果，之后再單值化處理模糊子集。因評價結果為模糊向量，無法用于被評價對象的排序，需進一步分析處理模糊向量，設定各等級標準值，確定評價集。最高等級變量為5，確定5 項影響因素，利用模糊合成法預測溢油的可能性。

1.4 船舶溢油評估指標

在船舶溢油評估指標選取中，要遵循以下原則：一是目的性原則，需根據溢油危害性程度有目的的選取評價指標；二是整體性原則，要圍繞評價功能和評價目標，結合評價結果應用要求全面選取評價指標，確保指標之間形成統一的整體；三是層次性原則，需按照層次結構表述指標之間的相互關系和從屬關系，形成系統層次結構，評價系統危害程度；四是相關性原則，保證各項評價指標具有一定關聯性，但是不得出現重復性；五是實用性原則，要求溢油評價與科學技術發展水平相適應。

船舶溢油評估指標體系的構建既要考慮到溢油本身因素，又要考慮到溢油周圍環境變化，具體包括以下因素：溢油海域范圍內風力、潮流、海水溫度、能見度因素；海水污染情況；溢油點位置；船舶溢油事故統計，掌握與事故相關的因素，分析溢油危害規律；采用專家調查法對船舶溢油事故進行經驗性分析。綜合考慮上述因素，本文提出建立一個多級評估指標體系，具體指標體系構成如圖2 所示。

圖2 船舶溢油評估指標體系構成圖Fig.2 Composition of ship oil spill assessment index system

在構建船舶溢油評估指標之后，確定各指標之間的隸屬關系，運用隸屬函數描述模糊分布狀態，實現對轉換過程的評價。在綜合評判過程中，利用隸屬度模糊子集實現函數功能，將其視為轉換器，由決策人員按照一定方法評估指標，建立起多種因素危險度評估模型，用不同等級評估單個因素的優劣程度，用于劃分各項指標的模糊邊界。隸屬度模糊子集表包括：子集1 為水文氣象情況，分析風、能見度、波浪和海水溫度對溢油的影響；子集2 為海水污染情況，分析油的粘度、溶解度、毒性、持久和溢油量對溢油的影響；子集3 為清污情況，分析溢油清污設備、通信設備、清污隊伍、溢油反應應急能力對溢油的影響；子集4 為溢油地點，分析離岸距離、地區類別、沿岸地貌對溢油的影響。在確定子集后，采用層次分析法建立各因素判斷矩陣，借助專家調查法對因素進行兩兩比較，判斷矩陣中的元素重要性數值，確定對應的特征向量，得出各因素權重

wi

值。在確定權重值后進行一致性檢驗，保證各項指標權重計算的準確性。

2 船舶溢油評估模型仿真實驗

2.1 仿真實驗條件

仿真實驗算法。采用Matlab 仿真平臺對船舶溢油評估模型進行訓練，引入BP 神經網絡，運用newff 函數建立BP 網絡模型，net 表示生成的BP 網絡對象，PR 表示輸入矢量中最小值與最大值范圍，

N

表示神經網絡數目，各層神經元采集傳輸函數。在newff 中采用雙曲正切s 形函數創建BP 網絡，輸出線形函數，采用誤差反向傳播算法調節網絡權值和閾值，降低網絡誤差。BP 學習算法能夠避免訓練陷入僵局，但是與此同時神經算法還具備收斂速度慢、誤差梯度可降至為0 的缺陷。在初始化的訓練網絡前，用命令init 完成偏置操作，接收網絡對象后反饋，初始化函數為：

net 用于表示經過初始化后的函數，已經完成數據修正，權重和閾值發生變化。在神經網絡工具箱內，設置訓練操作，包括epochs 表示訓練部署，show 表示顯示間隔步數，goal 表示訓練目標誤差，time 表示訓練允許時間，min-grad 表示最小允許梯度值。訓練后，輸出網絡函數，用

y

表示：

仿真實驗參數設計。在船舶溢油評估模型仿真中，選取5 個參數，具體包括：油種變量，變量值為原油；溢油量變量，變量值為1 t，10 t，50 t，100 t；溢油點變量，變量值共3 個序列，（121°52.57，’31°14.74′），（1 2 1°5 1.3 1′，3 1°1 7.4 7′），（1 2 1°5 1.2 7′，31°11.45′）；潮位變量，變量值為高潮、中潮、低潮；風力變量，變量值為3 級、5 級、6 級、8 級；風向變量，變量值為東、南、西、北。

2.2 仿真實驗結果

船舶溢油損失評估。在船舶溢油評估中，利用Sigmoid 函數控制訓練時間、訓練規模和訓練復雜程度，BP 網絡結果為3 層，具體包括：隱含層，利用常用的經驗公式計算出隱含層神經元數量，共12 個；輸入層，分析影響船舶溢油的因素；輸出層，將船舶溢油損失評估作為輸出層?；贐P 神經網絡的船舶溢油評估模型訓練結果如圖3 所示。

圖3 基于BP 神經網絡的船舶溢油評估模型訓練結果Fig.3 Training results of ship oil spill assessment model based on BP neural network

將權值、閾值代入到BP 網絡中，仿真輸出目標值，船舶溢油評估模型的目標值擬合曲線圖如圖4 所示。

圖4 船舶溢油評估模型的目標值擬合曲線圖Fig.4 Fitting curve of target value of ship oil spill assessment model

在仿真軟件中，利用train 函數訓練BP 網絡，其收斂速度較慢，為彌補這一缺點，采用自適應學習率梯度遞減法改進算法，該算法需200 次迭代，滿足訓練收斂型的要求，基于Train 函數的船舶溢油評估模型訓練結果如圖5 所示。根據訓練結果表明，船舶溢油評估損失的實際值與評估值最大誤差為2.9%，表明評估模型具有一定有效性。

圖5 基于Train 函數的船舶溢油評估模型訓練結果Fig.5 Training results of ship oil spill assessment model based on train function

溢油面積影響評估。在仿真實驗中，船舶溢油行為產生的溢油量與油膜面積存在正相關性，隨著溢油量的增大，油膜面積也會隨之增大；當風力增加的情況下，油膜面積也會產生變化，需要進一步研究風力與油膜面積的關系。在不同風險作用下，油膜面積存在一定差異性，這種差異性呈無規律變化，究其根本原因在于溢油點的地理位置不同，產生的溢油面積也會不同。

3 結 語

船舶溢油會造成嚴重的水域污染，對海洋經濟業發展帶來重大損失。我國要重視船舶溢油事故預防控制，針對船舶溢油影響因素建立起評估模型，運用綜合評估法、分層次分析法構建起評估指標體系，保證溢油評估模型的有效性，為保護海洋環境、降低溢油事故損失提供技術支持。