《International Journal of Disaster Risk Reduction》：A hierarchical knowledge- and data-learning Bayesian network model – Application of dynamic risk assessment for oil and gas pipelines subjected to cascading disaster chains
编辑推荐：
本研究探索了一种面向级联灾害链影响下油气管道的知识与数据驱动动态风险评估方法。首先，构建分层灾害致因模型（hierarchical disaster causation model, HDCM），在统一框架内描述油气管道灾害的因果灾害关系与级联传递路径。其主要
本研究探索了一种面向级联灾害链影响下油气管道的知识与数据驱动动态风险评估方法。首先，构建分层灾害致因模型（hierarchical disaster causation model, HDCM），在统一框架内描述油气管道灾害的因果灾害关系与级联传递路径。其主要包含致灾因子、孕灾环境与承灾体等基本要素，以及“孕育—传播—演化—灾害—巨灾”的全灾害情景。该框架可提供因果知识基础。进一步，基于HDCM构建创新的分层知识-数据学习贝叶斯网络（hierarchical knowledge- and data-learning Bayesian network, HKDLBN），以揭示油气管道不同灾害层间风险状态传递与累积机制。其主要包含网络模型构建、知识与数据学习及因果逻辑推理。该模型通过系统整合领域知识与观测数据来处理建模不确定性。最后，利用贝叶斯推理完成油气管道级联灾害链动态风险评估，清晰显示全灾害情景内各节点风险等级。该方法可用于制定安全屏障干预措施并实现灾害链削减效果。以“11·22”东黄输油管道泄漏爆炸重大事故为案例，结果表明所提出的HKDLBN相较传统模糊贝叶斯网络（fuzzy Bayesian network, FBN）和动态贝叶斯网络（dynamic Bayesian network, DBN）模型能够更合理、有效地评估该输油管道风险。
研究背景：油气管道是能源生产与消费之间的重要连接设施，承担油气行业能源输送“大动脉”作用。原文指出，截至2025年中国长距离油气管道总长度超过240 000 km，输送超过85%的油气，且穿越人口密集区和生态保护区。随着运行年限增加、第三方破坏频发和地质环境变化等风险因素复合，管道裂纹或断裂可导致油气泄漏，并进一步引发火灾、爆炸、坍塌和人员伤亡等级联灾害链。因此，需要厘清管道灾害链中的致灾因子、孕灾环境和承灾体，分析多风险耦合下的级联灾害模式，建立科学有效的动态风险评估方法，以提升油气管道整体安全与运行管理。现有灾害链研究已从自然灾害拓展至化工园区、城市燃气、煤矿、地铁、交通和基础设施等事故导向领域；知识与数据驱动建模成为热点，贝叶斯网络（Bayesian network, BN）因可表达变量因果关系而被广泛用于事故导向灾害链。但油气管道具有自身特点：致灾因子类型多、分布广、监测难、潜伏期长；孕灾环境跨地形且受自然—技术—人三重强耦合驱动；承灾体具有高暴露、高脆弱和高关联性，泄漏可触发基础设施链式失效、区域能源危机、经济波动或社会恐慌。现有油气管道BN建模存在两个挑战：一是如何准确刻画包含致灾因子、孕灾环境和承灾体及“孕育—传播—演化—灾害—巨灾”全灾害情景的灾害链机制，为BN提供合理因果知识基础；二是如何有效处理专家经验评分或主观问卷导致的传统BN建模不确定性，保证灾害链效应下风险评估结果的准确性。因此，研究人员开展本研究以提高油气管道安全与运营管理水平。
研究人员构建了两个创新模型——HDCM和HKDLBN，分别应对上述挑战，并提出知识与数据驱动的油气管道级联灾害链动态风险评估方法。研究以“11·22”东黄输油管道泄漏爆炸重大事故为案例，得出HKDLBN可较传统FBN和DBN更合理、有效评估输油管道风险的结论。其重要意义在于：可清晰显示全灾害情景内各节点风险等级，用于制定安全屏障干预（barrier-intervention，指在灾害链层间设置工程、监测和应急等措施以阻断链条）措施并实现灾害链削减；可系统编制油气管道“灾害数据库”，提高风险评估客观性与准确性，并可扩展至液化天然气（liquefied natural gas, LNG）站场、地下储气库和大型储罐区等其他油气储运类型。
方法概括（≤250字）：研究人员以“11·22”东黄管道泄漏爆炸事故为样本来源，资料包括应急管理部事故调查报告、中国安全生产科学研究院事故复原视频、25年历史运行与维修记录；5名现场专家参与孕育层评分，20名专家评价条件概率，并使用GeNIe软件。关键技术包括：HDCM构建、HKDLBN五层拓扑建模、梯形隶属函数（trapezoidal membership function）模糊化与7:3模糊/统计概率加权、条件概率表（conditional probability table, CPT）建立、正向与反向贝叶斯推理、敏感性分析（sensitivity analysis）/重要性分析（importance analysis）、泊松分布（Poisson distribution）失效概率计算及保护层分析（layer of protection analysis, LOPA）/安全完整性等级（safety integrity level, SIL）验证。
研究结果：3.1 HDCM构建。3.1.1 灾害要素识别：通过分析事故调查报告和事故复原视频，将东黄管道事故要素归为致灾因子（disaster-causing factors）、孕灾环境（disaster-pregnant environments）和承灾体（disaster-bearing bodies）。3.1.2 因果关系统计：通过挖掘“要素—事件—阶段”关系，形成贯穿孕育、传播、演化、灾害和巨灾阶段的因果清单。3.1.3 HDCM构建：通过将灾害要素与事件抽象为节点并建立“因—果”有向边，构建东黄管道事故灾害链。3.2 HKDLBN构建。3.2.1 HKDLBN构建：通过将HDCM五阶段映射为孕育层、传播层、演化层、灾害层和巨灾层，以节点和有向边表达同级及相邻层因果依赖。3.2.2 节点概率确定：通过5名现场专家评分、梯形隶属函数模糊化、25年历史统计及7:3加权，确定孕育层节点先验概率。3.2.3 条件概率确定：通过解构父子节点关系并邀请20名专家评价平均，建立各层条件概率表。3.3 动态风险评估。3.3.1 动态风险评估：通过贝叶斯正向推理计算传播层至巨灾层节点概率并转为风险值，得出各节点风险等级为极高（very high, VH）、高（high, H）或较高（relatively high, RH）。3.3.2 HKDLBN模型验证：通过假设T（原油泄漏）发生概率100%进行反向推理，除X2外节点为VH、H或RH；X2因采用石油沥青布防腐和外加电流阴极保护而风险较低，与事故调查报告一致。3.4 屏障干预优化。3.4.1 屏障分析：通过敏感性分析识别X7、X8、R1，通过重要性分析识别TE1，据此提出责任监管、员工培训、盐雾环境监测、泄漏检测、紧急切断和警戒区与应急预案等措施。3.4.2 屏障验证：通过将措施转为屏障层节点并计算S4（泄漏检测系统）失效率为1.6×10
–6、S5（紧急切断装置）失效率为1.9×10
–6，以8760 h·a
–1等时间点计算泊松失效概率；干预后T降至中等（moderate, M），灾害层与巨灾层降至VL/L；S1/S2/S3/S6处于L/RL时仍可降至M及以下，LOPA达到SIL 1且可接受。4 结果与讨论。4.1 HKDLBN、FBN和DBN模型比较：通过GeNIe对FBN和DBN建模并与HKDLBN比较，FBN中间节点为H而HKDLBN为VH，DBN的T仅为M（风险值0.6441），HKDLBN的T为H（风险值0.9124），更符合东黄管道特别重大事故属性。4.2 分析与讨论：通过七维度比较得出HKDLBN在分层结构、时空因果、模糊与随机不确定性处理、评估精度和级联灾害情景适用性方面占优，但结构复杂、建模与推理计算成本较高，需推广至LNG站场、地下储气库和大型储罐区。
讨论部分总结：研究人员从模型结构特征、动态表示能力、不确定性处理能力、评估结果准确性、灾害情景适用性、总体优势和总体劣势七个维度比较FBN、DBN与HKDLBN。HKDLBN由HDCM直接转化，具有五层分级结构，可表达时空尺度因果逻辑；通过模糊概率与统计概率加权平均，兼顾模糊不确定性和随机不确定性；在数据不完整时引入专家经验评价机制修正先验概率，较FBN和DBN更贴近东黄管道事故属性。其不足是结构复杂度高、建模和推理计算成本较高，需进一步推广以提高泛化能力。
研究结论（译）：（1）为准确刻画致灾因子、孕灾环境和承灾体等基本要素及其“孕育—传播—演化—灾害—巨灾”全灾害情景，基于灾害链理论提出HDCM框架。该框架为油气管道灾害过程层级刻画与逻辑推理提供系统视角，并提供实用合理的因果知识基础。为有效处理专家经验评分或主观问卷导致的建模数据不确定性，通过系统整合领域知识与观测数据构建创新HKDLBN模型，清晰揭示不同灾害层间风险状态传递与累积机制，从而保证灾害链效应下油气管道动态风险评估结果的准确性。（2）利用所提HDCM和HKDLBN模型，开发了知识与数据驱动的油气管道级联灾害链动态风险评估方法。以“11·22”东黄输油管道泄漏爆炸重大事故为案例，结果表明全灾害情景下各节点风险等级为VH、H或RH，与事故报告相符；实施安全屏障干预措施后风险降至VL或L。与传统FBN和DBN模型相比，所提方法能更合理、有效地评估东黄输油管道相关风险。（3）利用HDCM和HKDLBN模型可系统编制油气管道“灾害数据库”，提高风险评估结果的客观性与准确性。所提HDCM和HKDLBN模型可扩展至其他油气储运类型，如LNG站场、地下储气库和大型储罐区。
