頡正陽，安 紅，陳思楊

（空軍勤務學院a.學員一大隊；b.基礎部；c.航空軍交運輸指揮系，江蘇徐州221000）

軍用危險品航空運輸裝卸保障風險預測

頡正陽a，安 紅b，陳思楊c

（空軍勤務學院a.學員一大隊；b.基礎部；c.航空軍交運輸指揮系，江蘇徐州221000）

針對軍用危險品航空運輸裝卸保障過程中的風險問題，根據(jù)軍用危險品航空運輸裝卸保障理論與實際，梳理出影響軍用危險品航空運輸裝卸保障的因素，建立了影響因素層次模型。針對影響因素的不確定性，將模糊集理論應用到貝葉斯網(wǎng)絡中去，建立了基于模糊貝葉斯網(wǎng)絡的軍用危險品航空運輸裝卸保障風險預測的數(shù)學模型。最后，將實例中的節(jié)點證據(jù)輸入到模糊貝葉斯網(wǎng)絡中，對保障風險進行推理，驗證了模型的有效性和實用性。

風險預測；軍用危險品；航空運輸；裝卸保障；模糊貝葉斯網(wǎng)絡

隨著大型軍用運輸機的部隊列裝，軍用危險品的航空運輸也迎來了新的發(fā)展契機，但是，由于軍用危險品的危險性，在其航空運輸?shù)谋Ｕ线^程尤其是裝卸飛機過程中容易發(fā)生安全事故，造成人員和財產(chǎn)的損失。因此，有必要對軍用危險品航空運輸裝卸保障的風險進行預測，以便提前采取預防措施。

貝葉斯網(wǎng)絡，又稱信度網(wǎng)絡，是目前不確定知識表達和推理領域最有效的理論模型之一[1]，它用清晰的具有網(wǎng)絡結(jié)構的有向圖表達各個信息要素之間的關聯(lián)關系及影響程度，用節(jié)點變量表達各個信息要素，用連接節(jié)點之間的有向弧反映各個信息要素之間的關聯(lián)關系，用條件概率表表達各信息要素之間的影響程度。貝葉斯網(wǎng)絡具有強大的不確定知識的表達能力和靈活的推理機制，被廣泛應用于軍事決策[2]、故障診斷[3-4]、態(tài)勢評估[5]、風險評估[6]等領域。但是，貝葉斯網(wǎng)絡利用經(jīng)典二值概率論表征節(jié)點變量，不能有效反映各信息要素的模糊性[7]。文獻[8]利用模糊集合理論對連續(xù)型態(tài)勢變量進行變參數(shù)模糊化，建立了無人機中遠距空戰(zhàn)戰(zhàn)術決策的模糊貝葉斯網(wǎng)絡模型。文獻[9]以事故樹模型為基礎，映射為貝葉斯網(wǎng)絡，采用梯形模糊數(shù)代替基本事件的概率，通過貝葉斯網(wǎng)絡的正反向推理分析各基本事件的結(jié)構重要度、概率重要度、關鍵重要度，并進行排序，有效地定量評估了鐵路危險貨物運輸過程中的風險性。本文針對軍用危險品航空運輸裝卸保障過程中的各節(jié)點信息的連續(xù)性和模糊性，建立了模糊貝葉斯網(wǎng)絡的軍用危險品航空運輸裝卸保障風險預測模型，通過推理得出軍用危險品航空運輸裝卸保障發(fā)生風險問題的概率值，使得采取保障安全措施有了針對性，提高了裝卸保障的安全性和保障效率。

1 軍用危險品航空運輸裝卸保障風險影響因素

軍用危險品航空運輸裝卸保障風險影響因素層次模型，如圖1所示。

影響軍用危險品航空運輸裝卸保障風險的因素從總體上來說分為軍用危險品自身因素和航空運輸裝卸保障因素。軍用危險品自身因素主要指軍用危險品自身的技術性能（理化性質(zhì)）、包裝、裝卸性（指軍用危險品對航空運輸?shù)跹b吊卸、升降裝卸、滾裝滾卸和牽引裝卸的適應性）。而航空運輸裝卸保障因素主要包括裝卸保障作業(yè)能力、裝卸保障指揮與信息控制、裝卸保障配套建設以及裝卸保障標準法規(guī)和技術支持。

在遵循科學性、可靠性、全面性、實用性和代表性的原則的基礎上，并結(jié)合部隊實踐和專家的意見，經(jīng)過綜合考慮與分析，從人員、裝備、計劃管理、裝卸作業(yè)和軍用危險品5個方面建立了軍用危險品航空運輸裝卸保障風險影響因素之間的層次關系。

2 風險預測的模糊貝葉斯網(wǎng)絡模型

2.1 模糊貝葉斯網(wǎng)絡概述

模糊貝葉斯網(wǎng)絡[10-12]基本思想是利用模糊集對連續(xù)變量進行嚴密和一致的描述，再利用貝葉斯網(wǎng)絡進行模糊節(jié)點變量的概率推理，即預測。假定問題有限的節(jié)點變量集用來表示，ci的所有可能狀態(tài)集用Ci表示，再假設ci∈C可以被模糊化為一個模糊變量ui，并且ui可以表示ci的所有可能狀態(tài)，則ci的模糊集為：

式（1）中：ri為 ui的模糊狀態(tài)數(shù)；C?ij表示ui的第 j個模糊狀態(tài)。

在給定節(jié)點ci的父節(jié)點條件下，節(jié)點ci與父節(jié)點之外的其他節(jié)點條件獨立，即[13-15]

式（4）中：π(ci)為節(jié)點ci的父節(jié)點集合；A(ci)為節(jié)點ci父節(jié)點之外的其他節(jié)點集合。

2.2 模糊貝葉斯網(wǎng)絡模型的建立

2.2.1 貝葉斯網(wǎng)絡的確定

參照圖1所示的影響因素之間的層次關系，兼顧貝葉斯網(wǎng)絡推理的復雜程度，構建了如圖2所示的軍用危險品航空運輸裝卸保障風險預測的貝葉斯網(wǎng)絡結(jié)構。構建的基本思路是：以“風險預測”為目標節(jié)點，設為D。以“人員因素”、“裝備因素”、“計劃管理因素”、“軍用危險品因素”和“裝卸作業(yè)因素”為父節(jié)點，考慮到“人員因素”中有相同屬性的節(jié)點變量，設置一個新的節(jié)點變量“操作人員因素B11”，包含“操作人員技術水平”和“操作人員編配率”。以c1,c2,…,c16為葉節(jié)點，作為貝葉斯網(wǎng)絡推理時的證據(jù)節(jié)點。

2.2.2 網(wǎng)絡節(jié)點變量參數(shù)模糊化

圖2所示的貝葉斯網(wǎng)絡結(jié)構中的節(jié)點變量代表的影響因素分為定性因素和定量因素。定性因素包括“指揮人員能力素質(zhì)”、“保障裝備技術性能”等，采用專家打分的方式確定因素值；定量因素包括“操作人員編配率”、“保障裝備故障率”等，根據(jù)部隊實際情況獲取因素值。

影響因素分為正向因素和負向因素，正向因素指數(shù)值越大越好的因素，比如“裝卸方案完善程度”；負向因素指數(shù)值越小越好的因素，比如“保障裝備故障率”。

正向因素和負向因素的標準化公式分別為[16]：

式（6）、（7）中：cmk為第m個預測對象第k個節(jié)點變量的實測數(shù)值；分別為 p個預測對象中節(jié)點變量實測數(shù)值的相對最優(yōu)值。

將圖2中的節(jié)點變量劃分模糊狀態(tài)集，如目標節(jié)點的模糊狀態(tài)集為{高，中，低}，“人員身體狀況”節(jié)點的模糊狀態(tài)集為{好，中，差}，“保障裝備配套率”節(jié)點的模糊狀態(tài)集為{高，中，低}。確定了各節(jié)點變量的模糊狀態(tài)集后，還需要確定每個節(jié)點變量的模糊隸屬函數(shù)。設各節(jié)點變量對應的模糊狀態(tài)集中的元素分別為 ～Ci1、～Ci2和 ～Ci3，為使用方便且具有一般性的特點，選用梯形模糊隸屬函數(shù)來描述各節(jié)點變量的隸屬度[17]，模糊隸屬函數(shù)如圖3所示。

由圖3可知，節(jié)點變量的模糊隸屬函數(shù)分別為：

由于節(jié)點變量的模糊狀態(tài)集和節(jié)點變量的離散狀態(tài)是一一對應的，因而根據(jù)模糊隸屬函數(shù)得到的隸屬度就等同于節(jié)點變量值屬于各個模糊狀態(tài)的概率值，這也符合模糊貝葉斯網(wǎng)絡輸入的證據(jù)狀態(tài)是多態(tài)的實際情況。

2.2.3 網(wǎng)絡節(jié)點變量的條件概率

采用德爾菲法[18]確定各節(jié)點變量的條件概率表，這里給出“操作人員因素”節(jié)點變量的條件概率表，作為模糊貝葉斯網(wǎng)絡推理的先驗信息，如表1所示，其他的節(jié)點變量的條件概率表限于篇幅不再一一列出。

表1 “操作人員因素”節(jié)點變量條件概率表Tab.1 Conditional probability table of“operating personnel”

2.2.4 模糊貝葉斯網(wǎng)絡的推理

模糊貝葉斯網(wǎng)絡推理就是在模糊貝葉斯網(wǎng)絡模型的基礎上，根據(jù)先驗信息，利用貝葉斯概率中條件概率的計算方法，計算出目標節(jié)點的概率。

經(jīng)節(jié)點變量模糊化、推理得到的隸屬函數(shù)是目標節(jié)點相應的概率值，故不再需要解模糊化的步驟[8]。風險預測即模糊貝葉斯網(wǎng)絡推理過程如圖4所示。

在獲得節(jié)點變量值后，將其模糊化得到各節(jié)點變量的隸屬度作為概率值，利用Matlab軟件中的FullBNT工具箱建立模糊貝葉斯網(wǎng)絡，將各節(jié)點變量的概率值輸入貝葉斯網(wǎng)絡進行概率推理，最后得到軍用危險品航空運輸裝卸保障風險預測概率值。

3 實例分析

以某場站即將參加大型演習進行的軍用危險品航空運輸裝卸保障為例，對該場站軍用危險品的裝卸保障風險進行預測，將風險分為3級（高、中、低）。

3.1 節(jié)點變量值的獲取

根據(jù)該場站航空運輸裝卸保障和所運軍用危險品的相關數(shù)據(jù)，結(jié)合其他幾個場站相應節(jié)點變量的數(shù)據(jù)以及專家的打分，由式（6）、（7）得到各葉節(jié)點變量的標準化值，如表2所示。

表2 模糊貝葉斯網(wǎng)絡葉節(jié)點變量標準化值Tab.2 Standardized values of node variables in fuzzy Bayesian network

3.2 節(jié)點變量模糊化

將模糊貝葉斯網(wǎng)絡中各葉節(jié)點變量的標準化值代入隸屬函數(shù)，得到隸屬度即模糊狀態(tài)概率值。由式（8）～（10）可得葉節(jié)點變量屬于各模糊狀態(tài)的隸屬度，如表3所示。

表3 各葉節(jié)點變量隸屬度Tab.3 Subordinate degrees of node variables

3.3 模糊貝葉斯網(wǎng)絡推理

將葉節(jié)點變量證據(jù)模糊化后輸入模糊貝葉斯網(wǎng)絡進行概率推理，得到風險（高、中、低）發(fā)生的概率如表4所示。根據(jù)模糊貝葉斯網(wǎng)絡的推理結(jié)果可知，該場站參加本次大型演習所要進行的軍用危險品航空運輸裝卸保障風險預測值為中等風險，仍有19.4%的概率為高風險。分析B1～B4節(jié)點的推理概率可知，造成風險較高的原因在于場站對軍用危險品的航空運輸裝卸保障沒有配套的裝卸裝備；裝卸相關人員沒有經(jīng)過針對軍用危險品的專門培訓；最重要的是，對于軍用危險品的技術性能不了解，影響了裝卸安全。該場站在演習前要抓緊對裝卸保障人員進行相關知識的培訓，并向上級申請裝卸保障所需裝備，以保證演習安全進行。

表4 模糊貝葉斯網(wǎng)絡推理結(jié)果Tab.4 Fuzzy Bayesian network reasoning results

4 結(jié)論

充分考慮了軍用危險品航空運輸裝卸保障過程中的不確定性，將模糊數(shù)學的理論與貝葉斯網(wǎng)絡相結(jié)合，首次建立了軍用危險品航空運輸裝卸保障風險預測的模糊貝葉斯網(wǎng)絡模型，通過模糊貝葉斯網(wǎng)絡的推理得到了風險預測概率值，推理結(jié)果較為可信，為部隊進行軍用危險品航空運輸裝卸保障的風險預測以及風險控制提供了借鑒。但也存在以下問題，需要在今后進行更進一步的研究。

1）條件概率表是基于德爾菲法給出的，主觀性較大，影響了風險預測的精度，下一步可以引入客觀的觀測數(shù)據(jù)，采取參數(shù)學習的方式確定各節(jié)點變量的條件概率表；

2）定性因素值的獲取，依靠的是專家打分，可能無法精確真實地反映實際情況，下一步可以研究定性因素的值如何獲取更加準確。

[1]李碩豪，張軍.貝葉斯網(wǎng)絡結(jié)構學習綜述[J].計算機應用研究，2015，32（3）：641-645.LI SHUOHAO，ZHANG JUN.Review of bayesian networks structure learning[J].Application Research of Computers，2015，32（3）：641-645.（in Chinese）

[2]趙飛，王青山，趙海濤.基于模糊貝葉斯網(wǎng)絡的空降場選擇研究[J].信息工程大學學報，2014，15（6）：664-665.ZHAO FEI，WANG QINGSHAN，ZHAO HAITAO.Airhead selection based on the fuzzy bayesian network[J].Journal of Information Engineering University，2014，15（6）：664-665.（in Chinese）

[3]WANG Y F，XIE M.Approach to integrate fuzzy fault tree with bayesian network[J].Procedia Engineering，2012，45：131-138.

[4]HUANG Y，MCMURRAN R，DHADYALLA G.Probability based vehicle fault diagnosis：Bayesian network method[J].Journal of Intelligent Manufacture，2008（19）：301-311.

[5]王玉惠，韓占朋，陳哨東，等.防空態(tài)勢評估系統(tǒng)分析及新型評估模型研究[J].南京航空航天大學學報，2014，46（4）：558-560.WANG YUHUI，HAN ZHANPENG，CHEN SHAODONG，et al.Analysis and modeling of threat evaluation system in air defense operations[J].Journal of Nanjing University of Aeronautics&Astronautics，2014，46（4）：558-560.（in Chinese）

[6]劉瑛，李敏強，陳富贊.飛行器機動動作風險定量評估模型[J].系統(tǒng)工程與電子技術，2014，36（3）：469-472.LIU YING，LI MINQIANG，CHEN FUZAN.Risk quantitative evaluation model of the aircraft maneuver[J].Systems Engineering and Electronics，2014，36（3）：469-472.（in Chinese）

[7]楊銘，鄭寇全，雷英杰.基于直覺模糊貝葉斯網(wǎng)絡的不確定性推理方法[J].火力指揮與控制，2015，40（3）：37-38.YANG MING，ZHEN KOUQUAN，LEI YINGJIE.Method of uncertain reasoning based on IFBN[J].Fire Control&Command Control，2015，40（3）：37-38.（in Chinese）

[8]耿文學，孔繁峨，馬東前.基于模糊貝葉斯網(wǎng)絡的UAV中遠距空戰(zhàn)戰(zhàn)術決策[J].火力與指揮控制，2014，39（3）：99-101.GENG WENXUE，KONG FANE，MA DONGQIAN.Method of uncertain reasoning based on IFBN[J].Fire Control&Command Control，2014，39（3）：99-101.（in Chinese）

[9]楊能普，楊月芳，馮偉.基于模糊貝葉斯網(wǎng)絡的鐵路危險貨物運輸過程風險評估[J].鐵道學報，2014，36（7）：8-14.YANG NENGPU，YANG YUEFANG，F(xiàn)ENG WEI.Risk assessment of railway dangerous goods transport process based on fuzzy bayesian network[J].Journal of the China Railway Society，2014，36（7）：8-14.（in Chinese）

[10]周源，燕軍，孫媛，等.基于貝葉斯網(wǎng)絡的要地防空目標威脅評估模型[J].海軍航空工程學院學報，2015，30（5）：467-471.ZHOU YUAN，YAN JUN，SUN YUAN，et al.Threat evaluation air defense based model for important place on bayesian network[J].Journal of Naval Aeronautical and Astronautical University，2015，30（5）：467-471.（in Chinese）

[11]賀小亮，畢義明.基于貝葉斯網(wǎng)絡的目標選擇方案設計[J].現(xiàn)代防御技術，2014，42（3）：7-10.HE XIAOLIANG，BI YIMING.Target selection scheme design based on bayesian networks[J].Modern Defence Technology，2014，42（3）：7-10.（in Chinese）

[12]紀軍，田淑榮，馬培蓓.基于動態(tài)貝葉斯網(wǎng)絡的防空作戰(zhàn)態(tài)勢分析[J].海軍航空工程學院學報，2013，28（8）：679-682.JI JUN，TIAN SHURONG，MA PEIBEI.Situation analysis of air defensive operation based on dynamic bayesian network to object assessment[J].Journal of Naval Aeronautical and Astronautical University，2013，28（8）：679-682.（in Chinese）

[13]陳東寧，姚成玉.基于模糊貝葉斯網(wǎng)絡的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應用[J].機械工程學報，2012，48（16）：175-176.CHEN DONGNING，YAO CHENGYU.Reliability analysis of multi-state system based on fuzzy bayesian networks and application in hydraulic system[J].Journal of Mechanical Engineering，2012，48（16）：175-176.（in Chinese）

[14]郝學良，朱小冬，趙勁松.模糊推理在軟件維護性評估和預測中的應用[J].軍械工程學院學報，2013，25（1）：10-13.HAO XUELIANG，ZHU XIAODONG，ZHAO JINSONG.Application of fuzzy inference in software maintainability assessment and prediction[J].Journal of Ordnance Engineering College，2013，25（1）：10-13.（in Chinese）

[15]王玉惠，韓占朋，程哨東，等.防空態(tài)勢評估系統(tǒng)分析及新型評估模型研究[J].南京航空航天大學學報，2014，46（4）：558-565.WANG YUHUI，HAN ZHANPENG，CHENG SHAODONG，et al.Analysis and modeling of threat evaluation system in air defense operations[J].Journal of Nan-jing University of Aeronautics&Astronautics，2014，46（4）：558-565.（in Chinese）

[16]馮世豪，張立海，張百成.基于灰色模糊理論的軍械倉庫安全評估[J].海軍航空工程學院學報，2016，31（2）：185-188.FENG SHIHAO，ZHANG LIHAI，ZHANG BAICHENG.Ordnance depot of safety evaluation based on grey fuzzy theory[J].Journal of Naval Aeronautical and Astronautical University，2016，31（2）：185-188.（in Chinese）

[17]董彥軍，夏秀峰.基于模糊綜合評判的航空備件需求預測[J].飛機設計，2014，34（6）：66-70.DONG YANJUN，XIA XIUFENG.Demand prediction for spare parts of aviation eased on fuzzy comprehensive evaluation[J].Airgraft Design，2014，34（6）：66-70.（in Chinese）

[18]SCHMIDT R，LYYTINEN K，KEIL M，et al.Identifying software project risks：an international delphi study[J].Journal of Management Information Systems，2001，17（4）：5-36.

Risk Prediction of the Loading and Unloading Guarantee of Military Dangerous Materials Air Transportation

XIE Zhengyanga,AN Hongb,CHEN Siyangc
（Air Force Logistics College a.Cadet Brigade 1;b.Department of Basic;c.Department of Airway Military Transportation Command System,Xuzhou Jiangsu 221000,China）

Aiming at the risk during process of the loading and unloading guarantee in military dangerous materials air transportation,the influencing factors of the loading and unloading guarantee in military dangerous materials air transporta?tion were teased out based on the theory and reality of the loading and unloading guarantee,with building a hierarchical model of the influencing factors.For the uncertainty of the influencing factors，fuzzy set theory was applied to the Bayesian network,and the mathematical model of risk prediction in the loading and unloading guarantee in military dangerous mate?rials air transportation.Finally,the evidences of nodes in a case study were input into the fuzzy Bayesian network,reason?ing the risk of support and testing the validity and practicality of the model.

risk prediction;military dangerous materials;air transportation;loading and unloading guarantee;fuzzy Bayes?ian network

E234

A

1673-1522（2017）03-0313-06

10.7682/j.issn.1673-1522.2017.03.011

2017-03-16；

2017-05-17

國防科研基金資助項目（BJJ16L011）

頡正陽（1993-），男，碩士生。