基于贝叶斯网络的加热炉煤气泄漏风险评估

消防科学与技术 ›› 2021, Vol. 40 ›› Issue (4): 504-509.

基于贝叶斯网络的加热炉煤气泄漏风险评估

常一1，吴雅菊1，2

1. 沈阳航空航天大学安全工程学院，辽宁沈阳110136；2. 东北大学资源与土木工程学院，辽宁沈阳110819）

出版日期:2021-04-15 发布日期:2021-04-15
通讯作者: 吴雅菊（1981-），女，沈阳航空航天大学安全工程学院讲师
作者简介:常一（1999-），男，沈阳航空航天大学安全工程学院在读本科生，主要从事系统安全分析研究，辽宁省沈阳市沈北新区道义南大街37 号，110136。
基金资助:
国家重点研发计划项目（2017YFC0805100）；沈阳航空航天大学大学生创新训练计划项目（201910143120）

Risk evaluation of gas leakage in heating furnace based on Bayesian Network

CHANG Yi1，WU Ya-ju1,2

1. School of Safety Engineering, Shenyang Aerospace University, Liaoning Shenyang 110136, China; 2. School of Resources and Civil Engineering, Northeastern University, Liaoning Shenyang 110819, China

Online:2021-04-15 Published:2021-04-15

摘要/Abstract

摘要： 针对轧钢加热炉煤气泄漏的风险，以蝴蝶结模型为基础，建立了加热炉煤气泄漏的贝叶斯网络模型。采用模糊理论的隶属度函数、λ 截集理论、左右模糊排序法确定贝叶斯网络的先验概率，分析了影响加热炉煤气泄漏的动态因素，引入时间因素研究加热炉煤气泄漏风险随时间变化的动态特性。由实例分析得到了某加热炉煤气泄漏的风险，采用比例变化法得到敏感度分析(ROV)值曲线，从而确定重要根节点，得到了加热炉煤气泄漏风险的动态变化曲线。结果可为加热炉煤气泄漏的动态风险分析及安全管理提供借鉴和参考。

关键词: 蝴蝶结模型, 贝叶斯网络, 模糊理论, 敏感性分析, 动态风险分析

Abstract: In order to evaluate the risk of gas leakage in heating furnace of rolling steel production, a Bayesian network model of gas leakage in heating furnace is established based on the bow-tie model.The prior probability of Bayesian network is determined by using the membership function of fuzzy theory, lambda section set theory and the left and right fuzzy sorting method, and the dynamic factors affecting gas leakage in heating furnace are analyzed. The dynamic characteristics of gas leakage risk in heating furnace with time change are studied by introducing time factor.The risk of gas leakage in a heating furnace is analyzed by an example, and the sensitivity analysis (ROV) value curve is obtained by using the proportional change method, so as to determine the important root nodes and obtain the dynamic change curve of gas leakage risk in the heating furnace. The results can provide reference for dynamic risk analysis and safety management of gas leakage in heating furnace.

Key words: bow- tie model, Bayesian network, fuzzy theory, sensitivity analysis, dynamic risk analysis

常一, 吴雅菊, . 基于贝叶斯网络的加热炉煤气泄漏风险评估[J]. 消防科学与技术, 2021, 40(4): 504-509.

CHANG Yi, WU Ya-ju, . Risk evaluation of gas leakage in heating furnace based on Bayesian Network[J]. Fire Science and Technology, 2021, 40(4): 504-509.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.xfkj.com.cn/CN/

https://www.xfkj.com.cn/CN/Y2021/V40/I4/504

[1]	宋宏伟, 王文和, 刘红溪, 李元杨, 况婷婷. 容积式受限空间内高压氢气泄漏扩散特性及参数敏感性分析[J]. 消防科学与技术, 2026, 45(3): 7-14.
[2]	陈文涛, 张兴露, 杨志全. BT-BN在大型商业综合体火灾动态风险分析中的应用[J]. 消防科学与技术, 2025, 44(4): 491-496.
[3]	曾涛, 魏利军, 多英全, 王海顺, 陈思凝. 化工罐区多灾种耦合动态概率分析[J]. 消防科学与技术, 2025, 44(2): 190-195.
[4]	王俊, 方正, 邢旺, 于书健. 基于贝叶斯网络分析的煤化工消防系统检修频率研究[J]. 消防科学与技术, 2024, 43(2): 168-172.
[5]	胡人元, 夏登友. 基于成本风险理论的石油化工火灾救援对策推演[J]. 消防科学与技术, 2023, 42(7): 1004-1009.
[6]	钱红. 智慧城市背景下消防安全实时监测关键技术[J]. 消防科学与技术, 2023, 42(3): 407-410.
[7]	赵宸豫, 黄傲, 付小千, 郭子东. C2HF5对锂离子电池热失控火焰贫燃侧的作用[J]. 消防科学与技术, 2022, 41(7): 883-887.
[8]	彭玉杰, 董绍华, 谢书懿, 段宇航. 基于EWM-AHP模糊贝叶斯网络的储罐区风险分析[J]. 消防科学与技术, 2022, 41(5): 634-638.
[9]	尤亚云, 李强, 申智超, 万意瑾. 基于贝叶斯网络的城市消防安全协同治理效果评估[J]. 消防科学与技术, 2022, 41(5): 630-633.
[10]	卢建锋, 王彪. 基于ISM和BN的危险品仓储系统安全风险评估[J]. 消防科学与技术, 2021, 40(12): 1770-1774.
[11]	黄琼, 司颖, 王浩宇. 基于加权贝叶斯网络的森林火灾风险评估[J]. 消防科学与技术, 2021, 40(11): 1671-1675.
[12]	张雷, 黄晓家, 谢水波, 吴懂礼, 杨世全, 赵耀 . 基于贝叶斯网络的酒店火灾概率评估[J]. 消防科学与技术, 2020, 39(7): 916-919+934.
[13]	骆正山, 巫忱忱. 基于FTA-DBN的燃气管道泄漏风险研究[J]. 消防科学与技术, 2020, 39(3): 401-404.
[14]	王湛, 朱国庆, 柴国强, 姚斌, . 基于机器学习的火灾事故等级分类研究[J]. 消防科学与技术, 2020, 39(12): 1735-1739.
[15]	颜峻, 疏学明, 胡俊, 邓博誉. 建筑火灾中人员疏散响应过程推理与评估模型研究[J]. 消防科学与技术, 2020, 39(10): 1430-1434.