在全球变化趋势下，海洋气象、水文环境发生严重变异，海洋动力灾害（如风暴潮、巨浪、海啸等）的加剧、海平面的上升严重危及沿海地区的生产、生活及海上运输通道安全，海洋生态灾害（如赤潮、海水酸化等）严重影响海洋生物、渔业资源的可持续利用，海洋灾害频发，灾害连锁效应日显突出，对我国经济、社会带来的损失呈逐年上升趋势。因此开展海洋灾害的评估预警和应急决策技术研究对于国家防灾减灾具有重大意义。

针对海洋灾害风险评估的相关研究主要包括：叶涛等（2005）梳理了我国海洋灾害系统的风险特征并对综合风险管理进行研究；邹和平等（2011）对构建我国海洋灾害风险评估管理机制进行了初步探索；黎鑫等（2012，2016）初步构建了海洋安全灾害评估的指标体系，采用传统的指标加权融合模型对印度洋海域的海洋自然风险开展综合评估；杨林等（2013）针对海洋灾害脆弱性的综合评价指标体系进行了设计和研究；张建新等（2009）将智能算法引入海洋灾害的评估研究中；杨理智等（2016）基于云模型对“海上丝绸之路”沿线国家的海洋人文风险进行评估，总体上针对海洋灾害风险评估的研究相对较少。由于海洋水文要素众多，互为关联耦合，灾害成因机理复杂，导致海洋灾害评估存在极大的不确定性，尤其是评估指标间的不确定关系。上述研究中采用的传统评估方法如层次分析法、模糊综合评判法、灰色综合评价法很难刻画评估指标间的相互关系，普通的线性加权指标融合模型也很难表征指标对于灾害评估目标的非线性作用。可见，针对海洋灾害的风险评估，传统评估理论与模型不再适用。

20世纪发展起来的贝叶斯网络是贝叶斯理论与图论结合的产物，具有坚实的数理统计基础，是描述和处理不确定性问题的良好的工具（史志富，2012）。贝叶斯网络具备对不确定信息的表达和处理能力，能够实现对海洋灾害风险评估的非线性建模。本文在前人研究基础上，基于风险理论，分析了海洋灾害风险评估的特征；进而构建灾害评估体系，以贝叶斯网络为数学模型，构建了针对灾害风险不确定性的加权贝叶斯网络评估模型，开展了我国沿海地区（以江苏省为例）海洋灾害风险评估的应用研究。具体建模技术路线如图1所示。

1.1 研究对象 选取2013年5月-2016年5月于安吉县人民医院住院的急性化脓性阑尾炎或坏疽性阑尾炎患者150例为研究对象，其中男性92例，女性 58 例，平均年龄为（47.40±10.47）岁，每位患者均进行手术治疗，术后病理诊断为急性化脓性或坏疽性阑尾炎。按随机数字表发分为3组，每组均为50例。对照组为切口无处理患者，皮片组为切口予皮片引流，实验组为切口高真空负压引流患者。排除明显智能、语言理解和表达障碍、有精神疾病或精神疾病家族史、合并严重的甚至危及生命的并发症患者。所有患者均签署知情同意，3组患者间年龄、性别、高血压、糖尿病及脑卒中患病率差异无统计学意义（P＞0.05）。

  

图1 建模技术路线

1 海洋灾害风险特征分析

1.1 不确定性分析

目前，学术界比较主流的风险定义中同时强调风险发生的可能性和风险造成的损失或后果，定义风险为不利事件发生的概率和严重程度的一种度量（Rao，1996），故本文所提出的海洋灾害风险，定义为海洋灾害发生的概率和灾损后果的结合。在此定义基础上，从系统论的角度归纳风险的基本要素为致险因子、承险体和防范能力。为研究海洋灾害风险评估，必须弄清风险的形成机制，接下来基于风险理论，系统分析海洋灾害风险评估中的不确定性。

（1）致险因子（危险性）

首先将专家构建的评估体系映射为初始贝叶斯网络结构，网络节点即指标，如图3（a）所示；然后选用BIC评分函数和爬山搜索算法（hc）进行贝叶斯网络结构自动修正学习，修正后网络结构如图3（b）所示。其中，BIC评分函数是用对数似然度来度量网络结构与客观数据的拟合程度，如式（4）所示。

①风险来源的不确定性：致险因子发生的随机性、模糊性。海洋灾害类别众多，环境复杂多变，成因机理复杂，不同灾害风险的发生具有显著不确定性；

针对我国沿海地区海洋动力灾害、生态灾害频发现状，开展海洋灾害的风险监测和预警评估成为迫切需要。本文选取我国东部沿海地区的江苏省作为评估对象，应用上述加权贝叶斯网络模型对海洋灾害展开应用评估，并对评估结果进行逐年的比较分析。

贝叶斯网络是描述和处理不确定性的良好工具，具有坚实的数学基础，能够对灾害风险评估过程中的不确定性建模，提供直观而有效的方式图形化描述风险因素之间相互依赖关系；图形结构直观地反应了风险的产生机制，它能够有效利用专家知识和存储在历史数据库中的知识，提供快速而有效的概率推理方法，并且一旦在风险跟踪中发现新的证据，新数据能引入相关的贝叶斯网络中，重新计算或更新先前的评估结果。因此，贝叶斯网络技术能够有效针对海洋灾害风险评估的特征进行不确定性建模与评估。

③风险频率的不确定性：海洋环境机理复杂，水文要素众多，互为关联耦合，灾害发生频次也时刻变化，具有显著不确定性。

（2）承险体（脆弱性）

风险是相对于行为主体而言的，只有当某风险源有可能危害某承险体后，风险事件相对于承担者才具有风险。承险体的状态是不断变化的，具有模糊性和随机性，承险体种类、数量、价值的差异可能造成不同的风险损失，因此承险状态具有不确定性。

（3）防范能力（敏感性）

风险防范能力是人类社会以应对风险所采取的方针、政策、技术和行动的总称。防范活动是人执行的，由于人类认识复杂问题能力限制，会受到人的知识、观念、意志和偏好等因素影响，不可避免的引入不确定性。

1.2 定性与定量结合

贝叶斯网络的数学基础是贝叶斯公式（如公式（1）所示），并且网络蕴含了条件独立性假设（如公式（2）所示）。

综上所述，海洋灾害风险评估一定程度上可以视为对灾害评估过程中不确定性的处理，并且要充分利用定性知识和定量数据，所以灾害评估模型应能对风险评估中的不确定性进行明确的建模和处理，并且能够充分利用领域专家的经验和知识，同时结合历史数据进行评估建模，从而为风险管理提供必要的信息，制定风险计划、控制风险。

2 海洋灾害评估的风险贝叶斯网络模型

气象水文要素众多、机理复杂，要素间关联耦合，构成一个系统，从系统角度可实现有效处理。灾害风险评估与推断在很大程度上取决于灾害系统构成、系统内部因子之间以及与人类社会之间的相互关系（刘瑞，2016）。灾害风险不确定性评估需要结合定性知识与定量数据，对因子进行系统的研究，要考虑因子发生概率和系统内部因子的相互依赖关系，由概率推理处理不确定性传播。贝叶斯网络是图论与概率论的结合，是处理不确定问题的有效工具，根据上述灾害评估特点，本文将基于贝叶斯网络进行风险评估建模。

2.1 贝叶斯网络理论

贝叶斯网络（Bayesian Network），又称贝叶斯信度网络（Bayesian Belief Network），是可视化图论与数理统计的结合（史志富，2012）。贝叶斯网络是变量间概率关系的图形化描述，提供了一种将知识直观的图解可视化的方法，同时又是一种概率推理技术，使用概率理论来处理在描述不同变量之间因条件相关而产生的不确定性。贝叶斯网络直观的表示为一个复杂的赋值因果关系图，完整的贝叶斯网络是一个二元组B=＜G，θ＞，其中：

·G=（V（G），E（G））是一个有向无环图，V（G）是节点集合，节点表示所研究问题域中的变量（或事件）；E（G）为弧集合，有向弧表示变量（或事件）之间的概率依赖关系。

·网络参数θ构成的条件概率表（CPT）表达了节点之间的影响程度，体现了域知识定量方面的特征。

评估或者评价是主体根据一定的标准对客体进行认识的活动（周华任，2015）。评估是一种主体性活动，是由主体选用一定的指标、模型和方法做出的，显然评估基于主体的定性知识，表现出一定的主观性。但对于气象海洋要素，有大量的观测数据和统计数据，客观数据的存在使得对于海洋灾害的评估具有较强的客观性，在评估过程中融入定量数据，结合定性知识，会使得评估更合理，所以海洋灾害的风险评估是定性知识与定量数据的结合。

（1） 式中 P（Vi）为先验概率，P（Vi|Vj）为后验概率。贝叶斯公式就是以先验概率为基础，根据相关条件推导后验概率的公式。

 

网络技术应用在电力调度信息化系统中，是为提高电力调度管理部门的工作效率，增强电力调度的安全性和时效性。网络技术与电力调度相结合有其既定的的原则：

现代木结构建筑整体系统能为中国养老地产项目的配套服务型和功能型建筑物提供解决方案，用现代木结构部品部件系统为中国养老地产项目的室内装饰和自由分割提供解决方案，宏观层面顺应中国政府对绿色建筑、建筑节能和建筑工业化的提倡与推广，加大宣传力度;微观层面与各大品牌开发商建立良好的沟通渠道和技术合作机制，寻找项目机遇。现代木结构建筑和中国传统木建筑文化与人文精神一脉相承，可以在中国养老地产项目和其他类型地产项目中获得应用与推广，为中国当代的建筑文化增添新的乐章。

 

根据（2）式如果给定根节点先验概率分布和非根节点条件概率分布，则可以通过推理得到包含所有节点的联合概率分布。

搜集本院2015年6月—2017年8月经手术病理证实的25例儿童后颅窝肿瘤患者的资料。男17例，女8例，年龄1～11岁，中位年龄5岁。临床表现各异，主要有头晕、头痛、呕吐、行走不稳、四肢无力、四肢抽搐等。

与传统电力营销方式相比，基于费控策略的电力营销能够有效缩短电费回收期，传统营销模式下，电费回收包括了人工抄表、后台系统核算以及人工收费等，人工抄表受外界的因素影响较大，在时间上存在很大的差异，本文以石拐供电分局传统抄核收情况为例分析，一般供电企业抄表时间为每月10-14日，核算 15-17日，收费时间 18－28日，需要时间较长，而采用费控模式进行电费收缴，时间会大大缩短，因为费控营销系统下的抄表、结算以及收费均能在系统中自行完成，仍以包头供电局为例，费控策略下的收费时间为每月10日，核算11-12日，收费一般2-3天就能完成，传统模式下和费控模式下的电费回收对比情况如表1所示。

2.2 贝叶斯网络与评估

运用贝叶斯网络解决问题的建模流程包括变量定义、数据处理、结构学习、条件概率表构建（或参数学习）、推理计算等一系列环节，并且建模过程是循环往复、不断修正的；评估理论发展至今，也形成了一套完备的流程体系，包括评估指标选取、评估体系建立、指标权重计算以及评估融合模型构建等。从两者的实现流程可以看出，贝叶斯网络建模与评估流程是环环对应的，两者具体关系如图2所示。

图3(a)为包缠相位，可以看出中间及右上角部分相位比较清晰，但右下角条纹因噪声引起的不可靠数据点较为集中，包缠相位难以识别形成模糊的区域.由于枝切法解缠过程无法穿过右下角和左上角的枝切线，导致解缠相位出现未被处理的两处孤立区域，如图3(b).质量图法的相位解缠结果如图3(c)，解缠效果较差的点主要集中在右下角.本文通过对难以解缠的相元进行掩膜滤波处理，采用提出的质量图法重新定义权值加权四向最小二乘迭代算法进行拟合，其拟合结果如图3(d)所示，可见填充取得了良好的效果，解决了局部噪声较为集中难以解出真实相位的问题.

  

图2 贝叶斯网络与评估关系

根据上述两者关系可构建针对风险评估的贝叶斯网络模型——风险贝叶斯网络，具体内涵阐述如表1。

 

表1 风险贝叶斯网络说明

  

风险BN要素 具体内涵网络结构 风险评估指标体系网络节点 风险评估指标条件概率表 表示节点间的因果关系以及依赖程度，指标权重网络推理 表示不确定性的传递，指标信息融合后验概率分布 风险评估结果

风险贝叶斯网络中，网络节点即为风险指标，风险指标的取值即指标某一风险状态的发生概率；风险指标之间存在的因果关系，用连接节点的有向弧表示，节点的条件概率表反映了因果关系的强弱，也就是指标权重大小；网络推理计算的后验分布，即风险所处不同状态的概率分布，以概率的表达形式刻画了风险的不确定性。

2.3 加权贝叶斯网络评估模型

通过上述分析，贝叶斯网络非常适用于海洋灾害的风险评估建模，但考虑到贝叶斯网络中节点间条件独立性假设，而实际上海洋水文要素之间是互为关联的，因此需要弱化或改进独立性假设。改进独立性假设的方法有很多，其中给各个节点赋予不同的权重以加强节点之间的联系是一种有效的方法，节点之间的权重分配加强了节点之间的联系，改进了条件独立性假设（刘瑞，2016）。考虑网络节点（即风险指标）相对于根节点（即评估目标）的权重，贝叶斯公式被改进为：

 

其中，wi为各网络节点相对于根节点的权重。

林昏晓冷笑了一声，他对我从来都是态度恶劣，因为我一直用十倍于他的恶劣态度对待他。可是不知道为什么，今天林昏晓这种惯有的冷笑声却让我的心格外的紧窒，难受异常。

至此，可构建针对海洋灾害风险特征的加权贝叶斯网络评估模型，具体建模技术步骤如表2所示。

 

表2 加权贝叶斯网络评估建模路线

  

基于加权贝叶斯网络的海洋灾害评估建模流程输入：风险指标及其先验概率分布输出：评估风险的概率分布Step1.风险辨识：基于专家知识，分析风险的形成机制，明确致险因子、承险体以及防范能力；Step2.评估指标体系构建：在风险辨别的基础上筛选风险指标，进行属性约简，给出指标价值增减属性，构建评估指标体系；Step3.数据预处理：将指标进行等级划分，数据标准化处理（包括一致化、无量纲化）；Step4.指标权重计算：基于主观知识或客观数据计算指标权重；Step5.风险贝叶斯网络结构建立：将评估指标体系映射为初始贝叶斯网络结构，风险指标即网络节点；Step6.风险贝叶斯网络结构修正：根据给定的数据集和初始贝叶斯网络结构，采用结构学习算法，自动修正初始网络结构；Step7.风险贝叶斯网络节点CPT建立：节点CPT的建立即参数学习算法较为成熟，本文基于指标权重，采用蒙特卡洛法，建立各节点的条件概率表；Step8.加权贝叶斯网络构建：将指标权重融入条件概率表，构建加权贝叶斯网络；Step9.推理计算：基于贝叶斯网络推理算法，计算评估对象发生的概率。

3 海洋灾害评估实验

②风险强度的不确定性：每一类海洋灾害都对应某一动力或热力系统的发生、发展和消亡过程，这一变化过程会直接导致风险强度的变化，系统发展变化充分则风险强度高，反之则低，所以灾害风险的强度也是不确定的；

3.1 风险辨识与评估体系建立

我国东部沿海地区位于中低纬度地区，属于热带、亚热带和温带季风气候，发生的海洋灾害主要有风暴潮灾害、海浪灾害、赤潮灾害、海啸灾害等。本文通过专家分析并采用粗糙集理论进行属性约简，基于风险理论最终构建海洋灾害指标体系的准则层由致险因子、脆弱状态和防范能力构成，3个准则层进一步细分为11个指标，风险评估体系如表3所示。

 

表3 海洋灾害评估体系

  

评估目标 准则层 评估指标 属性12.致险因子1.年均大浪次数 效益型有效浪高≥4 m 2.年均赤潮次数 效益型3.年均海雾日数 效益型水平能见度≤1 km 4.年均风暴潮次数 效益型5.海平面变化 效益型mm/a 15.海洋灾害风险13.脆弱状态6.涉海就业人员数量 效益型万人7.主要农作物种植面积 效益型万公顷8.海洋生产总值 效益型万亿14.防范能力9.灾后恢复能力 成本型专家等级评定10.预报准确率 成本型%11.社会保障水平 成本型专家等级评定

其中，指标属性为效益型表示指标取值越大，风险越高；成本型表示指标取值越大，风险越低。海雾、大浪的等级阈值根据《中国气候公报》、《中国海洋灾害公报》确定。

3.2 数据处理与权重计算

由于海洋灾害评估体系是综合自然、政治和社会多方面、多学科的复合体系，为了克服片面性，本文采用G1法和熵值法相结合的主客观组合赋权法确定指标权重。G1法是通过专家主观赋权反映指标间的重要程度，熵值法是根据指标客观变异性的大小来确定权重，具体实现步骤参考文献（Zou，2006），这里不再赘述。选取江苏省2010-2015年的指标数据，对数据进行标准化处理后计算权重结果如表4所示；计算所需数据来源如表5所示；根据《中国海洋灾害公报》以及《中国海洋经济统计公报》确定指标等级划分如表6所示。

是专家Sk给出的在工程Ni下对影响因子Cj的评价值，运用定义4Hamming距离测度公式计算得出与理想值的距离并依据下式计算与理想值的接近度：

3.3 贝叶斯网络评估模型的结构学习

风险指标确定后则需要构建评估网络结构，本文采用两阶段建模方式，首先基于专家知识构建拓扑结构，然后通过数据库和机器学习修正贝叶斯网络结构。贝叶斯网络结构的机器学习有两个重要的组成部分，第一是度量机制，第二是搜索过程（王双成，2010）。目前比较完善的方法是基于搜索计分的方法，通常给定一个评分函数，逐步搜索和选择出一个与客观数据拟合最好的结构。

 

表4 指标权重

  

指标层 熵值法权重 G1法权重 组合权重1.年均大浪次数 0.086 3 0.086 1 0.086 2 2.年均赤潮次数 0.085 9 0.025 1 0.055 5 3.年均海雾日数 0.079 7 0.048 3 0.064 0 4.年均风暴潮次数 0.094 0 0.193 1 0.143 6 5.海平面变化 0.097 0 0.026 7 0.061 9 6.涉海就业人员数量 0.085 5 0.018 4 0.051 9 7.主要农作物种植面积 0.084 2 0.033 9 0.059 1 8.海洋生产总值 0.082 3 0.332 4 0.207 3 9.灾后恢复能力 0.082 6 0.046 9 0.064 8 10.预报准确率 0.091 4 0.052 9 0.072 1 11.社会保障水平 0.131 1 0.136 2 0.133 6

 

表5 指标数据来源

  

指标 数据来源1.年均大浪次数 《中国海洋灾害四十年资料汇编》《海洋环境质量公报》《中国海洋灾害公报》《中国海平面公报》江苏省编制的《海洋灾害公报》2.年均赤潮次数3.年均海雾日数4.年均风暴潮次数5.海平面变化6.涉海就业人员数量 《中国海洋经济统计公报》《中国渔业统计年鉴》江苏省统计局编制的《统计年鉴》7.主要农作物种植面积8.海洋生产总值9.灾后恢复能力10.预报准确率11.社会保障水平德尔菲法（或专家函询调查法）

致险因子或风险源在根本上决定某种风险是否存在，还直接决定该风险的大小。例如气候变化的风险源即指由于气候变化所引发的一系列不利天气气候事件。当气候系统的一种异常过程或超常变化达到某个临界值时，风险便可能发生。这种过程或变化的频度越大，对社会经济造成破坏的可能性就越大；过程或变化的超常程度越大，对社会经济造成的破坏就可能越强烈（张韧，2014）。综上，致险因子的不确定性体现在三方面：

 

表6 指标等级划分

  

指标层 高风险等级 中风险等级 低风险等级1.年均大浪次数 ＞40 35～40 ＜35 2.年均赤潮次数 ＞60 40～60 ＜40 3.年均海雾日数 ＞50 20～50 ＜20 4.年均风暴潮次数 ＞20 10～20 ＜10 5.海平面变化 ＞100 80～100 ＜80 6.涉海就业人员数量 ＞4 000 3 000～4 000 ＜3 000 7.主要农作物种植面积 ＞5 000 4 500～5 000 ＜4 500 8.海洋生产总值 ＞5.5 4.5～5.5 ＜4.5 9.灾后恢复能力 专家等级评定10.预报准确率 ＜40% 40%～60% ＞60%11.社会保障水平 专家等级评定

  

图3 贝叶斯网络结构

 

（图（a）为初始结构，图（b）为修正结构）

 

3.4 加权贝叶斯网络评估模型的构建

蒙特卡洛算法的基本思想是当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过随机数模拟实验的方法，以这种事件出现的概率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征。

本文设置网络中每个节点可取3种状态（高风险、中风险、低风险），通过统计分析得到根节点（指标1-11）的风险等级概率分布；而后运用蒙特卡洛算法进行100次随机数实验，生成各子节点（指标12-15）的条件概率分布表；最后按照公式（3）融入各指标的权重得到加权条件概率分布表，如防范能力的条件概率分布表如表7所示。

 

表7 防范能力加权条件概率分布表

  

指标9 指标10 指标11 指标14高中低高高高0.9330.0330.033高高中0.3540.6200.025高高低0.3560.0060.638高中高0.7490.2080.043高中中0.1760.8060.018高中低0.1750.1960.629高低高0.7700.0290.201高低中0.1870.6080.206高低低0.1810.0280.790中高高0.7960.1790.024中高中0.2060.7560.038中高低0.2060.1860.608中中高0.6210.3540.025中中中0.0420.9160.042中中低0.0170.3550.628中低高0.6130.1840.203中低中0.0410.7530.207中低低0.0280.1810.792低高高0.8130.0130.174低高中0.2010.6190.181低高低0.1950.0130.792低中高0.6430.1890.167低中中0.0200.8030.177低中低0.0020.1900.808低低高0.6190.0270.354低低中0.0030.6410.356低低低0.0290.0290.941

3.5 推理计算

Netica软件是以贝叶斯网络联合树推理算法为技术的贝叶斯网络实现平台，将评估网络结构、网络节点的先验分布和加权条件概率表输入Netica软件平台，推理计算得到我国沿海地区江苏省2010-2015年逐年的海洋灾害风险状况。以2012年为例，推理结果如图4所示，逐年的灾害风险评估结果如表8所示。

参与活动各单位各部门充分利用广播、电视、报刊以及街道路牌、灯箱、健康小屋、健康宣传栏、农家书屋、会员之家等多种文化载体,宣传全国、全省、全市卫生与健康大会精神宣传健康中国、健康四川、健康巴州,倡导三减三健生活方式。传授中医药养生保健方法。形成全社会营造健康环境全民参与健康行动的良好格局,并编印了《膳食指南》免费发送千家万户。

经过脱氧乌头碱对照品、脱氧乌头碱浸泡24 h样品和脱氧乌头碱加热720 min样品的对比，可确定脱氧乌头碱在浸泡过程中未发生水解反应，经过加热以后水解生成了4种新成分；准分子离子m/z 588在36 min出峰，为去氧乌头次碱，是脱氧乌头碱C-8位酯键水解的产物；准分子离子m/z 484在32 min出峰，结合乌头碱的加热情况，认为m/z 484离子为去氧乌头原碱；准分子离子m/z 570在54 min出峰，确定其为去氧乌头原碱；离子m/z 466在9 min出峰，确定其为焦去氧乌头原碱，离子m/z 630为脱氧乌头原碱。

根据表6中风险概率分布可得：2010-2015年江苏省海洋灾害处于高风险等级的概率先增加后降低，中风险等级的概率逐年增加，低风险等级的概率先降低后增加；中、低风险等级的概率之和维持在70%左右，但低风险概率自2012年后逐年增加。评估结果与江苏省统计年鉴和海洋灾害公报中发布的灾害经济损失和死亡人数情况较为吻合。总体来看，江苏省海洋灾害风险等级为中低风险，并且2012年后灾害风险呈下降趋势。

冬日的篇章开启，圣诞老人乘着驯鹿，带着来自精灵的礼物为心怀期待的人们带来惊喜。这个圣诞节，你会怎么度过呢？与爱人共度良宵，与朋友狂欢到天明，与挚友把酒言欢……无论如何，本次试饮会上的8款圣诞葡萄酒，都能满足你的需求！快带上瓶好酒去赴约吧，祝你拥有一个难忘的圣诞节！

  

图4 海洋灾害评估结果

 

表8 江苏省海洋灾害风险概率分布

  

海洋灾害等级 2010年 2011年 2012年 2013年 2014年 2015年高风险/% 30.8 31.1 31.6 31.7 31.1 29.4中风险/% 36.9 37.3 38.0 37.6 37.2 36.4低风险/% 32.3 31.6 30.4 30.7 31.7 34.2灾害经济损失/亿元 0.13 0.61 6.24 0.58 0.51 0.29死亡人数/人 53 0 7 10 0 1

4 结论

针对海洋灾害这一复杂风险评估对象，基于灾害风险管理指标系统的思想，采用了建立指标体系和风险评估建模的方法，开展了海洋灾害风险评估模型构建的研究工作。针对海洋灾害风险评估的不确定性特征、传统评估模型不合理问题，从两个方面进行了研究：

（1）系统分析了海洋灾害风险评估的不确定性特征和定性定量结合特征，提出了针对该特征的风险贝叶斯网络模型，能够对灾害评估中的不确定性进行明确建模和处理，并且充分利用领域专家的经验和知识，同时结合历史数据进行评估建模；

（2）基于G1法和熵值法的主客观定权法计算指标权重，融入网络节点的条件概率表，改进贝叶斯网络的条件独立性假设，建立加权贝叶斯网络评估模型，更符合海洋灾害评估特征，实现了海洋灾害风险的有效评估。

目前存在的不足是评估体系中指标的筛选以及指标权重的准确量化方法还有待进一步改进，以及贝叶斯网络评估模型中异常值检验是我们后面工作的重心。

参考文献

Friedman N,Linial M,Nachman I,et al.,2000.Using Bayesian Network to Analyze Expression Data.Journal of Computational Biology,7(3-4):601-620.

Rao V K,1996.Risk Assessment and Management Handbook for Environmental,Health,and Safety Professionals.European Physical Journal B,85(6):1-6.

UN/ISDR,2004.Living with Risk:A Global Review of Disaster Reduction Initiatives.BioMed Central Ltd.

Zou Z H,Yi Y,Sun J N,2006.Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment.Journal of Environmental Sciences,18(5):1020.

胡笑旋,2006.贝叶斯网建模技术及其在决策中的应用.合肥工业大学.

黎鑫,洪梅,王博,等,2012.南海-印度洋海域海洋安全灾害评估与风险区划.热带海洋学报,31(6):121-127.

黎鑫,张韧,卢扬,等,2016.“海上丝绸之路”自然环境风险分析.海洋通报,35(6):609-616.

刘瑞,2016.基于贝叶斯网络的洪水灾害风险评估与建模研究.华东师范大学.

史志富,2012.贝叶斯网络理论及其在军事系统中的应用.国防工业出版社.

王美怡,2012.贝叶斯网络在不确定性风险决策中的应用研究.首都经济贸易大学.

王双成,等,2010.贝叶斯网络学习、推理与应用.上海:立信会计出版社.

杨理智,张韧,白成祖,等,2016.“21世纪海上丝绸之路”之4个主要东盟国家人文环境风险评估.海洋通报,35(6):617-624.

杨林,李渊,2013.海洋灾害脆弱性综合评价指标体系的设计.海洋技术学报,32(3):133-137.

杨勇虎,李颖,刘丙新,等,2016.一种沿海石油储运基地溢油风险智能评价系统.海洋通报,35(2):235-240.

叶涛,郭卫平,史培军,2005.1990年以来中国海洋灾害系统风险特征分析及其综合风险管理.自然灾害学报,14(6):65-70.

张建新,肖启华,黄冬梅,2009.智能计算在海洋灾害评估中的应用研究.中国智能计算大会.

张韧,等,2014.气候变化与国家海洋战略:影响与风险评价.北京:气象出版社.

周华任,等,2015.综合评价方法及其军事应用.北京:清华大学出版社.

邹和平,牟林,董军兴,等,2011.构建我国海洋灾害风险评估管理机制初探.海洋开发与管理,28(11):23-27.