一种数据处理方法和装置与流程

【技术领域】

本发明涉及化工风险评估技术领域，尤其涉及一种数据处理方法和装置。

背景技术：

危化品是指具有易燃、易爆、有毒、有害和放射性等特性，在运输装卸和储存保管过程中易造成人员伤亡和财产损毁而需要特别保护的化学物品。由于危化品的这种特殊性，因此对于危化品的管理非常重要。

当前，在危化品的管理中，针对危化品可能发生的各种单一灾害分别进行定性或定量的风险分析，然后根据单一灾害的风险分析结果对危化品进行管理。

然而，随着社会流动性和复杂性空前提高，危化品在发生初始灾害后又引发次生灾害的情况日益增多，且危化品初始灾害与次生灾害构成链式效应，形成灾害链。很多情况下，危化品灾害链的危害程度已经超过危化品初始灾害本身。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有的危化品风险分析中只考虑了单一灾害的灾害后果，对于危化品的风险分析准确性较低。

技术实现要素：

有鉴于此，本发明实施例提供了一种数据处理方法和装置，用以解决现有技术中危化品的风险分析准确性较低的问题。

第一方面，本发明实施例提供了一种数据处理方法，所述方法包括：

基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

依据次生灾害触发模型，确定所述指定初始灾害能够触发的次生灾害，以及获取所述指定初始灾害触发所述次生灾害的第二概率；

基于所述第一概率、所述第二概率，获取包括所述指定初始灾害和所述次生灾害的灾害链场景的发生频率；

按照指定后果分析模型，分析所述灾害链场景发生指定后果的后果数据；

根据所述发生频率和所述后果数据，确定所述灾害链场景的风险值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，按照指定后果分析模型，分析所述灾害链场景发生指定后果的后果数据，包括：

按照指定后果分析模型，分别分析所述灾害链场景中的所述指定初始灾害发生指定后果的第一后果数据和所述次生灾害发生指定后果的第二后果数据；

根据所述第一后果数据和所述第二后果数据，得到第三后果数据，取所述第三后果数据和1这两者中的最小值作为所述灾害链场景发生指定后果的后果数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述第一后果数据和所述第二后果数据，得到所述灾害链场景发生指定后果的后果数据，包括：

将所述第一后果数据和所述第二后果数据相加，得到所述灾害链场景发生指定后果的后果数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

将所述灾害链场景的风险值与指定阈值进行比较，获取风险值大于所述指定阈值的灾害链场景；

输出风险值大于所述指定阈值的灾害链场景。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述次生灾害的种类为至少两类，所述灾害链场景的种类为至少两类，所述方法还包括：

将各个灾害链场景的风险值进行比较，获取风险值最大的指定数量个灾害链场景；

输出风险值最大的指定数量个灾害链场景。

第二方面，本发明实施例提供了一种数据处理装置，所述装置包括：

第一概率获取模块，用于基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

第二概率确定模块，用于依据次生灾害触发模型，确定所述指定初始灾害能够触发的次生灾害，以及获取所述指定初始灾害触发所述次生灾害的第二概率；

灾害链频率获取模块，用于基于所述第一概率、所述第二概率，获取包括所述指定初始灾害和所述次生灾害的灾害链场景的发生频率；

后果分析模块，用于按照指定后果分析模型，分析所述灾害链场景发生指定后果的后果数据；

风险确定模块，用于根据所述发生频率和所述后果数据，确定所述灾害链场景的风险值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述后果分析模块在用于按照指定后果分析模型，分析所述灾害链场景发生指定后果的后果数据时，具体用于：

按照指定后果分析模型，分别分析所述灾害链场景中的所述指定初始灾害发生指定后果的第一后果数据和所述次生灾害发生指定后果的第二后果数据；

根据所述第一后果数据和所述第二后果数据，得到第三后果数据，取所述第三后果数据和1这两者中的最小值作为所述灾害链场景发生指定后果的后果数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述后果分析模块在用于根据所述第一后果数据和所述第二后果数据，得到所述灾害链场景发生指定后果的后果数据时，具体用于：

将所述第一后果数据和所述第二后果数据相加，得到所述灾害链场景发生指定后果的后果数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括：

第一比较模块，用于将所述灾害链场景的风险值与指定阈值进行比较，获取风险值大于所述指定阈值的灾害链场景；

第一输出模块，用于输出风险值大于所述指定阈值的灾害链场景。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述次生灾害的种类为至少两类，所述灾害链场景的种类为至少两类，所述装置还包括：

第二比较模块，用于将各个灾害链场景的风险值进行比较，获取风险值最大的指定数量个灾害链场景；

第二输出模块，用于输出风险值最大的指定数量个灾害链场景。

本发明实施例具有如下有益效果：

本发明实施例，通过根据危化品的初始灾害和次生灾害的发生概率和二者构成的灾害链场景发生指定后果的后果数据，来确定灾害链场景的风险值，在危化品风险分析中不仅考虑了初始灾害的灾害后果，还根据危化品灾害链中灾害之间相互联系、相互依赖的规律，进一步考虑了初始灾害可能引发的次生灾害的灾害后果，从而使得危化品的风险分析以更加合理的危化品灾害链所造成的相互影响、相互作用的后果为依据，进而提高了危化品风险分析的准确性。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的数据处理方法的第一流程示例图。

图2是本发明实施例提供的数据处理方法的第二流程示例图。

图3是本发明实施例提供的数据处理方法的第三流程示例图。

图4是本发明实施例提供的数据处理装置的功能方块图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

实施例一

图1为本发明实施例提供的数据处理方法的第一流程示例图。如图1所示，本实施例中，数据处理方法可以包括如下步骤：

s101，基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

s102，依据次生灾害触发模型，确定指定初始灾害能够触发的次生灾害，以及获取指定初始灾害触发次生灾害的第二概率；

s103，基于第一概率、第二概率，获取包括指定初始灾害和次生灾害的灾害链场景的发生频率；

s104，按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据；

s105，根据发生频率和后果数据，确定灾害链场景的风险值。

其中，在初始灾害是由某一危险源设备(或设施)发生破坏而引发的情况下，发生指定初始灾害的第一概率可以基于delphi法、因果分析图法、灾害树、事故树、markov链等初始灾害分析模型获取。在初始事件是某一具体事件自发发生的情况下，例如地震、洪水等，发生指定初始灾害的第一概率可以结合具体的事件类型，基于统计分析模型、物理模型等初始灾害分析模型获取。

其中，灾害链中各灾害之间的触发存在一定的媒介，例如物理、化学、生物和信息因素，这些因素的相互作用便构成了次生灾害触发模型。上级灾害的物理效应导致目标设备损坏引发下级次生灾害。

通过s102，风险管理者可以掌握灾害的总体情况，对可能发生的灾害链有一个总体掌握。

其中，灾害链场景可能产生的后果可以包括人员伤亡、经济损失和环境破坏等，一般情况下仅从人员伤亡来分析和量化灾害链场景的后果。

在一个具体的实现过程中，按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据，包括：按照指定后果分析模型，分别分析灾害链场景中的指定初始灾害发生指定后果的第一后果数据和次生灾害发生指定后果的第二后果数据；根据第一后果数据和第二后果数据，得到灾害链场景发生指定后果的后果数据。

在一个具体的实现过程中，根据第一后果数据和第二后果数据，得到灾害链场景发生指定后果的后果数据，包括：将第一后果数据和第二后果数据相加，得到第三后果数据，取第三后果数据和1这两者中的最小值作为灾害链场景发生指定后果的后果数据。

通过s105，风险管理者可以根据实际情况综合考虑灾害链的频率和后果两个因素，从而选定需要重点关注的风险较高的灾害链场景。

图1所示实施例，根据危化品的初始灾害和次生灾害的发生概率和二者构成的灾害链场景发生指定后果的后果数据，来确定灾害链场景的风险值，在危化品风险分析中不仅考虑了初始灾害的灾害后果，还根据危化品灾害链中灾害之间相互联系、相互依赖的规律，进一步考虑了初始灾害可能引发的次生灾害的灾害后果，从而使得危化品的风险分析以更加合理的危化品灾害链所造成的相互影响、相互作用的后果为依据，进而提高了危化品风险分析的准确性。

图2为本发明实施例提供的数据处理方法的第二流程示例图。如图2所示，本实施例中，数据处理方法可以包括如下步骤：

s201，基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

s202，依据次生灾害触发模型，确定指定初始灾害能够触发的次生灾害，以及获取指定初始灾害触发次生灾害的第二概率；

s203，基于第一概率、第二概率，获取包括指定初始灾害和次生灾害的灾害链场景的发生频率；

s204，按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据；

s205，根据发生频率和后果数据，确定灾害链场景的风险值；

s206，将灾害链场景的风险值与指定阈值进行比较，获取风险值大于指定阈值的灾害链场景；

s207，输出风险值大于指定阈值的灾害链场景。

其中，灾害链场景的种类与次生灾害的种类数量是相同的，因为每一种灾害链场景包括初始灾害和一种次生灾害。例如，在初始灾害a可能引发的次生灾害有b、c、d、e、f五种的情况下，灾害链场景有a+b、a+c、a+d、a+e、a+f五种。

图2所示实施例，在确定了灾害链场景的风险值后，进一步将灾害链场景的风险值与指定阈值进行比较，获取风险值大于指定阈值的灾害链场景并输出。这样，风险管理者可以根据具体需要设置风险值的阈值，以根据该阈值方便地查找出需要重点关注的灾害链场景。

图3为本发明实施例提供的数据处理方法的第三流程示例图。如图3所示，本实施例中，数据处理方法可以包括如下步骤：

s301，基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

s302，依据次生灾害触发模型，确定指定初始灾害能够触发的次生灾害，以及获取指定初始灾害触发次生灾害的第二概率，其中，次生灾害的种类为至少两类；

s303，基于第一概率、第二概率，获取包括指定初始灾害和次生灾害的灾害链场景的发生频率，其中，灾害链场景的种类为至少两类；

s304，按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据；

s305，根据发生频率和后果数据，确定灾害链场景的风险值；

s306，将各个灾害链场景的风险值进行比较，获取风险值最大的指定数量个灾害链场景；

s307，输出风险值最大的指定数量个灾害链场景。

图3所示实施例，在次生灾害的种类为至少两类、灾害链场景的种类为至少两类的情况下，进一步将各个灾害链场景的风险值进行比较，获取风险值最大的指定数量个灾害链场景并输出。这样，在灾害链场景的种类较多的情况下，风险管理者可以方便地查找出最需要重点关注的指定数量个灾害链场景。基于此，风险管理者可以将有限的防护用品进行合理的分配，以最大程度地减小危化品灾害造成的损失。

下面通过危化品灾害链的定量个人风险分析原理进行说明。

设指定区域有n+1个设备，选择其中1个设备作为初始灾害，该设备通过热辐射、超压或冲击波、抛射物(碎片)等传递给目标设备进一步触发次生灾害。对于n个可能发生次生灾害的目标设备，以它们各自最可能发生(或者危害最大)的事故类型作为次生灾害，在此仅考虑1个目标设备发生1种类型的事故。在此情况下，初始灾害发生概率、次生灾害发生概率、灾害链场景发生频率、灾害链后果分析和灾害链个人风险评估分别如下：

(1)初始灾害发生概率

初始灾害发生概率f初始是以具体的灾害或者危险源设备(设施)为研究对象，通过定性或者定量的方法确定某一灾害发生的概率。如果初始灾害是由某一危险源设备(设施)发生破坏而引发的，确定f初始通常可以采用delphi法、因果分析图法、灾害树、事故树、markov链等方法；如果初始事件是某一具体事件自发发生的，如地震、洪水等，确定f初始通常需要结合具体的事件类型采用统计分析、物理模型计算等方法获得。

(2)次生灾害发生概率

初始灾害产生的效应和可能发生的次生灾害的内在属性决定了第i个目标设备发生次生灾害的概率pi。通常采用基于经验数据的概率函数法对次生灾害发生概率进行计算。概率函数法的公式组如下：

yi＝k1+k2lnvi

公式组(1)中，各字母的含义如下：

pi——第i个目标设备发生次生灾害的概率；

vi——触发第i个目标设备发生次生灾害的致灾因子参数，在不同的触发灾害中表示不同的物理含义；

yi——第i个目标设备的概率单位；

k1、k2——经验系数。

(3)灾害链场景发生频率

初始灾害引发的灾害链场景的频率可由下面的公式组(2)计算。

公式组(2)中，各字母的含义如下：

——含k个可能发生次生灾害的目标设备发生第m种灾害链场景的期望频率；

f初始——初始灾害发生概率；

pd^(k,m)——含k个目标设备发生次生灾害的第m种灾害链场景的概率；

pi——目标设备i发生次生灾害的概率；

——包含k个设备发生次生灾害的第m种灾害链场景，其中m指的是第m个组合场景(1≤m≤2ⁿ-1)，k指第k个设备(k≤n)，当设备i属于这个场景组合时，取1，否则取0；

n——目标设备的个数。

(4)灾害链后果分析

此处假设灾害链后果为人员伤亡。

脆弱性模型是用来评估人对致灾因子的剂量响应关系的比较好的方法,其由正态概率分布函数的累积表达推导而来。脆弱性模型请参见如下的公式组(3)。

y＝a+blnd(3)

公式组(3)中，各字母的含义如下：

vi——人体脆弱性或人员死亡概率,0≤v≤1；

d——致灾因子危险剂量；

μ、σ——正态分布的中间值和方差；

y——概率单位变量；

a、b——概率系数。

对灾害链的后果分析就是对灾害链中各灾害的后果进行定量分析，计算人员死亡概率。在灾害链后果分析中由于同时暴露在不同的物理效应(热辐射、超压等)而引起的协同效应将会导致致死概率和灾因子危险剂量间的非线性关系。忽略不同致灾因子的协同效应，采用脆弱性概率模型进行分析，分别计算每个灾害造成的死亡概率，并将各个灾害场景产生的脆弱性相加。灾害链的总体脆弱性vt是初始灾害和次生灾害所引发致死概率之和，如公式(4)所示。

公式(4)中，各字母的含义如下：

——包含k个目标设备发生次生灾害的第m种灾害链场景造成的总体人员死亡概率；

——当设备i属于这个场景组合时，取1，否则取0；

vd，i——目标设备i发生次生灾害造成的人员死亡概率。

(5)灾害链个人风险评估

定量风险评估需要选择合适的风险指标来衡量风险量化的结果。此处，采用个人风险对灾害链进行量化分析。灾害链的个人风险可表示为如下的公式(5)：

本发明实施例的数据处理方法，通过根据危化品的初始灾害和次生灾害的发生概率和二者构成的灾害链场景发生指定后果的后果数据，来确定灾害链场景的风险值，在危化品风险分析中不仅考虑了初始灾害的灾害后果，还根据危化品灾害链中灾害之间相互联系、相互依赖的规律，进一步考虑了初始灾害可能引发的次生灾害的灾害后果，从而使得危化品的风险分析以更加合理的危化品灾害链所造成的相互影响、相互作用的后果为依据，进而提高了危化品风险分析的准确性。

实施例二

本发明实施例提供了一种数据处理装置，该数据处理装置能够实现前述实施例一中数据处理方法的各步骤。

图4为本发明实施例提供的数据处理装置的功能方块图。如图4所示，本实施例中，数据处理装置可以包括：

第一概率获取模块410，用于基于指定初始灾害分析模型，获取指定危化品发生指定初始灾害的第一概率；

第二概率确定模块420，用于依据次生灾害触发模型，确定指定初始灾害能够触发的次生灾害，以及获取指定初始灾害触发所述次生灾害的第二概率；

灾害链频率获取模块430，用于基于第一概率、第二概率，获取包括指定初始灾害和次生灾害的灾害链场景的发生频率；

后果分析模块440，用于按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据；

风险确定模块450，用于根据发生频率和后果数据，确定灾害链场景的风险值。

在一个具体的实现过程中，数据处理装置还可以包括：第一比较模块，用于将灾害链场景的风险值与指定阈值进行比较，获取风险值大于指定阈值的灾害链场景；第一输出模块，用于输出风险值大于指定阈值的灾害链场景。

在一个具体的实现过程中，次生灾害的种类为至少两类，灾害链场景的种类为至少两类，数据处理装置还可以包括：第二比较模块，用于将各个灾害链场景的风险值进行比较，获取风险值最大的指定数量个灾害链场景；第二输出模块，用于输出风险值最大的指定数量个灾害链场景。

在一个具体的实现过程中，后果分析模块440在用于按照指定后果分析模型，分析灾害链场景发生指定后果的后果数据时，具体用于：按照指定后果分析模型，分别分析灾害链场景中的指定初始灾害发生指定后果的第一后果数据和次生灾害发生指定后果的第二后果数据；根据第一后果数据和第二后果数据，得到灾害链场景发生指定后果的后果数据。

在一个具体的实现过程中，后果分析模块440在用于根据第一后果数据和第二后果数据，得到灾害链场景发生指定后果的后果数据时，具体用于：将第一后果数据和第二后果数据相加，得到第三后果数据，取第三后果数据和1这两者中的最小值作为灾害链场景发生指定后果的后果数据。

本发明实施例的数据处理装置，通过根据危化品的初始灾害和次生灾害的发生概率和二者构成的灾害链场景发生指定后果的后果数据，来确定灾害链场景的风险值，在危化品风险分析中不仅考虑了初始灾害的灾害后果，还根据危化品灾害链中灾害之间相互联系、相互依赖的规律，进一步考虑了初始灾害可能引发的次生灾害的灾害后果，从而使得危化品的风险分析以更加合理的危化品灾害链所造成的相互影响、相互作用的后果为依据，进而提高了危化品风险分析的准确性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。