基于改进TOPSIS-贝叶斯网络的化工园区储罐群动态风险评估框架

为解决化工园区(CIP)集中存储区多危化品共存引发的连锁事故风险，研究人员整合改进熵权法、TOPSIS、D数理论和泄漏型Noisy-OR模型，构建动态贝叶斯网络(DBN)风险评估体系。该模型可精准识别高风险储罐群，解决熵权法权重分配缺陷，实现数据缺失环境下的概率动态推演，为园区精准安全管理提供新工具。

　　

化工园区如同一个装满危险化学品的"火药库"，稍有不慎就可能引发灾难性连锁反应。2019年江苏盐城化工厂爆炸、2020年贝鲁特港口大爆炸等事故不断敲响警钟——当多种危化品集中存储时，传统静态风险评估方法已难以应对复杂多变的危险态势。中国现有616个化工园区普遍采用危化品集中存储管理模式，但现有研究多聚焦单一危化品或固定场景，缺乏对多危化品共存环境下动态风险的量化分析工具。更棘手的是，当多个储罐同时存在风险时，管理人员往往难以快速锁定最需优先处置的高危目标。

中南大学研究团队在《Process Safety and Environmental Protection》发表的研究，创新性地将改进熵权法、逼近理想解排序法(TOPSIS)、D数理论(DNT)与泄漏型Noisy-OR模型整合到动态贝叶斯网络(DBN)框架中，构建出化工园区储罐群动态风险评估体系。该研究通过三项关键技术突破：首先采用DNT改进的熵权-TOPSIS算法，解决传统方法在指标差异较小时权重失真的问题；其次引入泄漏型Noisy-OR模型简化贝叶斯网络转换流程，提升条件概率设定的真实性；最后构建动态事件树-贝叶斯网络(DET-DBN)模型，实现风险演变的时序追踪。

方法创新
研究以虚构园区内氢能、甲醇和苯三类储罐为样本，首先通过专家咨询确定21项评估指标，采用DNT改进的熵权法计算客观权重，结合TOPSIS完成储罐风险排序。随后建立包含温度异常、压力超标等底层事件的因果模型，通过泄漏型Noisy-OR规则转化为DBN网络，利用D-S证据理论(DST)处理专家评估的不确定性数据。

关键发现
在"储罐描述"部分，模型成功识别甲醇储罐为最高风险单元，其事故概率达2.31×10^-3，是苯储罐的1.8倍。动态推演显示：当温度传感器故障时，氢储罐连锁事故概率在24小时内飙升400%；而防火墙可将多米诺效应传播概率降低62%。

讨论启示
该研究突破传统风险评估三大局限：首次实现多危化品共存环境的动态风险量化；创新性地将DNT与熵权法结合解决权重失真；采用泄漏型Noisy-OR模型提升概率推断可靠性。实际应用中，管理人员可依据模型输出的风险热力图，优先对高风险储罐实施降温、降压等精准干预。

结论价值
研究构建的DET-DBN框架为化工园区安全管理带来三大革新：1）时空维度动态追踪风险演变；2）识别关键风险单元的效率提升70%；3）在数据缺失情况下仍保持85%的预测准确率。这套方法同样适用于新能源储运设施评估，为"双碳"目标下的绿色化工安全提供新范式。