浮式生产储卸油装置的风险分析方法及相关装置

1.本技术涉及数据处理技术领域，具体涉及一种浮式生产储卸油装置的风险分析方法及相关装置。


背景技术：

2.能源是人类活动的物质基础，人类社会的发展离不开优质能源的出现和先进能源技术的使用。油气资源(以原油和成品油为主的油资源和以天然气为主的气资源)已经成为国民经济的命脉，是我国发展面临的重要问题。目前，我国80％的石油开采使用的是浮式生产储卸油装置(fpso)。
3.然而，由于fpso装置本身的特性、功能以及生存环境的特殊性，其运营作业，尤其是锚泊阶段的施工作业阶段存在着极大的安全风险。在fpso装置从产生到退役的全过程中，锚泊于某一固定海域生产作业的时间占绝大部分，海洋环境复杂，尤其我国南海，极端海况较多，风、浪、流条件恶劣，台风频发，平均每年台风发生次数约为5～7次。台风期间，fpso装置的锚泊安全性面临着极大的挑战，运动幅度较大，一旦发生风险事故，严重威胁fpso装置储存系统和卸货系统的适用性，会带来巨大的损失。此外，fpso装置作为船舶、浮式结构、化工液化三个行业领域的融合，有着投入资金大、相关方多、设计与开发周期长、技术要求高、效益与风险共存以及影响因素多的特点，导致其风险因素复杂、危险程度较高。相对于常规的浮式生产设施，fpso装置的风险分析与评估有诸多不同，要求更为苛刻。因此，对fpso装置锚泊安全风险进行评价与分析，对降低fpso装置锚泊作业过程中未来风险事件发生的概率和事件发生后果的严重程度具有十分重要的意义。
4.目前已有的针对fpso装置风险的评价方法主要是采用层次分析法(ahp)确定风险权重，虽然层次分析法在风险权重确定方面具有众多的优势，但是使用层次分析法的前提条件之一就是假设风险元素之间没有相互关系(影响或反馈)，是完全相互独立的。然而这种假设与实际情况相差太大，尤其是对于复杂的风险评估系统(比如fpso装置)而言，评估结果的可信度有待商榷。现今国内外在fpso装置风险的评价方法，通常基于可加性和独立性的假设来评价准则之间的重要性，由于准则之间的依赖和反馈程度不同，从而导致了在确定风险等级时的准确性较低。


技术实现要素：

5.本技术实施例提供一种浮式生产储卸油装置的风险分析方法及相关装置，能够提升风险等级确定时的准确性。
6.本技术实施例的第一方面提供了一种浮式生产储卸油装置的风险分析方法，所述方法包括：
7.获取浮式生产储卸油装置的风险因子集合；
8.确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量；
9.确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量；
10.根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级。
11.结合第一方面，在一个可能的实现方式中，所述确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量，包括：
12.获取所述风险因子集合中的风险因子之间的关联关系，以得到第一判断矩阵；
13.对所述第一判断矩阵进行归一化处理，以得到归一化判断矩阵；
14.根据所述归一化判断矩阵，确定风险因子的综合矩阵，所述综合矩阵中的元素用于指示风险因子之间的综合影响度；
15.根据所述综合矩阵，确定风险因子的中心度和原因度；
16.根据所述中心度和原因度，确定所述风险评价等级向量。
17.结合第一方面，在一个可能的实现方式中，所述确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量，包括：
18.获取所述风险因子集合中的控制层风险因子集合和网络层风险因子集合；
19.根据所述网络层风险因子集合中的风险因子之间的影响度和控制层风险因子集合，确定第二判断矩阵；
20.根据所述第二判断矩阵，确定加权超矩阵；
21.根据所述加权超矩阵进行归一化处理，以得到所述权重向量。
22.结合第一方面，在一个可能的实现方式中，所述根据所述第二判断矩阵，确定加权超矩阵，包括：
23.根据所述第二判断矩阵，确定非负的超矩阵；
24.对所述非负的超矩阵进行归一化处理，以得到所述加权超矩阵。
25.结合第一方面，在一个可能的实现方式中，所述根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级，包括：
26.对所述风险评价等级向量和所述权重向量进行乘积运算，以得到模糊评价向量；
27.根据所述模糊评价向量，确定所述浮式生产储卸油装置的风险等级。
28.本技术实施例的第二方面提供了一种浮式生产储卸油装置的风险分析装置，所述装置包括：
29.获取单元，用于获取浮式生产储卸油装置的风险因子集合；
30.第一确定单元，用于确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量；
31.第二确定单元，用于确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量；
32.第三确定单元，用于根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级。
33.结合第二方面，在一个可能的实现方式中，所述第一确定单元用于：
34.获取所述风险因子集合中的风险因子之间的关联关系，以得到第一判断矩阵；
35.对所述第一判断矩阵进行归一化处理，以得到归一化判断矩阵；
36.根据所述归一化判断矩阵，确定风险因子的综合矩阵，所述综合矩阵中的元素用
于指示风险因子之间的综合影响度；
37.根据所述综合矩阵，确定风险因子的中心度和原因度；
38.根据所述中心度和原因度，确定所述风险评价等级向量。
39.结合第二方面，在一个可能的实现方式中，所述第二确定单元用于：
40.获取所述风险因子集合中的控制层风险因子集合和网络层风险因子集合；
41.根据所述网络层风险因子集合中的风险因子之间的影响度和控制层风险因子集合，确定第二判断矩阵；
42.根据所述第二判断矩阵，确定加权超矩阵；
43.根据所述加权超矩阵进行归一化处理，以得到所述权重向量。
44.结合第二方面，在一个可能的实现方式中，在所述根据所述第二判断矩阵，确定加权超矩阵方面，所述第二确定单元用于：
45.根据所述第二判断矩阵，确定非负的超矩阵；
46.对所述非负的超矩阵进行归一化处理，以得到所述加权超矩阵。
47.结合第二方面，在一个可能的实现方式中，所述第三确定单元用于：
48.对所述风险评价等级向量和所述权重向量进行乘积运算，以得到模糊评价向量；
49.根据所述模糊评价向量，确定所述浮式生产储卸油装置的风险等级。
50.本技术实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本技术实施例第一方面中的步骤指令。
51.本技术实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。
52.本技术实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
53.实施本技术实施例，至少具有如下有益效果：
54.通过获取浮式生产储卸油装置的风险因子集合，确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量，确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量，根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级，因此，可以通过风险评价等级向量和权重向量确定风险等级，提升了风险等级确定时的准确性。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
56.图1a为本技术实施例提供了一种浮式生产储卸油装置的风险分析方法的流程示意图；
57.图1b为本技术实施例提供了一种浮式生产储卸油装置锚泊风险评价的层次结构图；
58.图1c为本技术实施例提供了一种锚泊风险元素相互影响关系图；
59.图1d为本技术实施例提供了一种网络分析法典型结构图；
60.图1e为本技术实施例提供了一种风险评估的anp结构图；
61.图2为本技术实施例提供的一种终端的结构示意图；
62.图3为本技术实施例提供了一种基于5g的交通预警装置的结构示意图。
具体实施方式
63.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
64.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
65.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本技术所描述的实施例可以与其它实施例相结合。
66.请参阅图1a，图1a为本技术实施例提供了一种浮式生产储卸油装置的风险分析方法的流程示意图。如图1a所示，所述方法包括：
67.101、获取浮式生产储卸油装置的风险因子集合。
68.可以对浮式生产储卸油装置(fpso)的风险进行初步辨识，建立fpso锚泊风险评价网络层次结构。根据wbs-rbs方法对风险初步辨识的结果，采用德尔菲专家调查法，向行业内专家请教咨询，删除无关紧要、相对重复以及与实际不符的风险因素，构建出fpso锚泊风险评价网络层次结构，如图1b所示，从而得到风险因子集合。
69.102、确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量。
70.可以根据风险因子集合中的风险因子之间的关联关系确定的第一判断矩阵，来得到风险评价等级向量。其中，风险因子之间的关联关系可以理解为：风险因子之间的影响度。
71.103、确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量。
72.可以根据风险评价网络层次结构来获取到控制层风险因子集合以及网络层风险因子集合，并根据控制层风险因子集合和网络层风险因子集合确定的第二判断矩阵来确定
权重向量。
73.104、根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级。
74.可以根据风险评价等级向量和所述权重向量进行向量乘法运算，根据向量乘法运算结果来确定出风险等级。
75.本示例中，通过获取浮式生产储卸油装置的风险因子集合，确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量，确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量，根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级，因此，可以通过风险评价等级向量和权重向量确定风险等级，提升了风险等级确定时的准确性。
76.在一个可能的实现方式中，一种可能的确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量的方法包括：
77.a1、获取所述风险因子集合中的风险因子之间的关联关系，以得到第一判断矩阵；
78.a2、对所述第一判断矩阵进行归一化处理，以得到归一化判断矩阵；
79.a3、根据所述归一化判断矩阵，确定风险因子的综合矩阵，所述综合矩阵中的元素用于指示风险因子之间的综合影响度；
80.a4、根据所述综合矩阵，确定风险因子的中心度和原因度；
81.a5、根据所述中心度和原因度，确定所述风险评价等级向量。
82.其中，风险因子之间的关联关系可以理解为风险因子之间的影响度。风险因子之间的影响度可以通过评价用户的评价结果进行确定。评价用户的评价矩阵可以表示为：不同的评价结果对应有不同的影响度，具体例如，通过如下公式所示的方法来确定影响度：
[0083][0084]aij
为影响度，为评价用户的评价结果。
[0085]
根据评价用户的评价结果来确定出影响度，根据该影响度来确定出第一判断矩阵。
[0086]
可以根据如下公式所示的方法对第一判断矩阵进行归一化处理，以得到归一化判断矩阵：
[0087][0088]
其中，d为归一化判断矩阵，s是归一化因子，a为第一判断矩阵。
[0089]
可以通过如下公式所示的方法确定综合矩阵：
[0090][0091]
其中，t为综合矩阵，d为归一化判断矩阵。综合矩阵t中的元素，t
ij
表示风险因子i对风险因子j的综合影响程度。
[0092]
可以对根据综合矩阵确定影响度f和被影响度e，根据影响度f和被影响度e确定中心度和原因度。其中，影响度f可以理解为综合矩阵t行值的和，被影响度e可以理解为综合矩阵t列值的和。
[0093]
响度f可以通过如下公式所示的方法确定：
[0094][0095]
被影响度e可以通过如下公式所示的方法确定：
[0096][0097]
在此基础上，当i＝j时，pi＝(fi+ei)表示元素i在系统中所起的重要程度(所给予和收到的影响的总和)，称之为中心度；ri＝(f
i-ei)表示准则i对系统贡献的净效应，称之为原因度。当ri大于0时，元素i为原因元素；当ri小于0时，元素i为结果因素。
[0098]
可以根据中心度和原因度，来确定出风险评价等级向量的方法可以是：根据中心度和原因度确定对应的风险因子属于被择集中风险级别的符合度，该符合度可以称为隶属度，从而得到风险评价等级向量。被择集可以理解为针对一个目标，评价用户可能会做出多种不同的评价结果，这些评语组成的集合就是评语集。刻画每一因素所处的状态的n个评价等级，通常用大写字母v表示，即一个有限论域：
[0099]
v＝{v1,v2,
…
,vn}
[0100]
各因素vj(j＝1,2,
…
,n)代表各种可能的总评判结果。
[0101]
针对fpso风险评估，采用传统的五级划分方法，得到如下的备择集：
[0102]
v＝{v1,v2,v3,v4,v5}＝{低风险，较低风险，中等风险，较高风险，高风险}
[0103]
风险度量的取值范围我们确定为[0,1]，采用传统的等值间隔划分方法，得到结果如下式所示：
[0104]
v1∈[0,0.2]；v2∈[0.2,0.4]；v3∈[0.4,0.6]；v4∈[0.6,0.8]；v5∈[0.8,1]
[0105]
在一个可能的实现方式中，一种可能的确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量的方法包括：
[0106]
b1、获取所述风险因子集合中的控制层风险因子集合和网络层风险因子集合；
[0107]
b2、根据所述网络层风险因子集合中的风险因子之间的影响度和控制层风险因子集合，确定第二判断矩阵；
[0108]
b3、根据所述第二判断矩阵，确定加权超矩阵；
[0109]
b4、根据所述加权超矩阵进行归一化处理，以得到所述权重向量。
[0110]
其中，可以根据图1b所示的网络层次结构，来确定出控制层风险因子集合和网络层风险因子集合。设控制层中有风险因子可以表示为p1，
…
，pm，网络层有风险因子可以表示为b1，
…
，bn，其中bi中有因素
[0111]
以控制层风险因子ps(s＝1，
…
，m)为准则，bj中风险因子e
jl
(l＝1，
…
，nj)为次准
则，对于bi中所有风险因子按其对e
jl
的影响力大小进行间接优势度比较，即构造第二判断矩阵。第二判断矩阵可以表示为：
[0112][0113]
可以根据第二判断矩阵确定出的非负的超矩阵来确定出加权超矩阵。
[0114]
可以对加权超矩阵和综合矩阵t进行运算，以得到混合权重z；对混合权重z进行归一化处理，得到权重向量。具体确定混合权重z可以通过如下公式所示的方法确定：
[0115]
z＝w+t
×
w＝(i+t)
×
w，
[0116]
z为混合权重，w为加权超矩阵，t为综合矩阵。
[0117]
在一个可能的实现方式中，一种可能的所述根据所述第二判断矩阵，确定加权超矩阵的方法包括：
[0118]
c1、根据所述第二判断矩阵，确定非负的超矩阵；
[0119]
c2、对所述非负的超矩阵进行归一化处理，以得到所述加权超矩阵。
[0120]
可以对第二判断矩阵进行一致性验证，该判断矩阵具有满意的一致性，得到的风险权重与实际相差不大，是可以采用；当不满足一致性，需要修正判断矩阵，使其具有满足一致性检验。
[0121]
由特征根法得排序向量记w
ij
为：
[0122][0123]wij
的列向量表示bi中元素对bj中元素的相对影响权重。若bj和bi中元素互不相关，则w
ij
＝0。以此类推，计算得到超矩阵w：
[0124][0125]
对于整个系统，最终可获得m个非负的超矩阵。每个超矩阵的子块w
ij
均为列归一化的，但超矩阵本身却不是列归一化的。为了获得归一化的超矩阵，即加权超矩阵，以ps为准
则，对ps下各组元素对次准则bj(j＝1，
…
，n)的重要性进行比较：
[0126][0127]
需要注意的是互不影响时，相关分量取0。得到加权矩阵a如下：
[0128][0129]
利用加权矩阵a对超矩阵的元素进行加权，得到其中
[0130][0131]
就为归一化的超矩阵，即加权超矩阵，其列和为1。
[0132]
在一个可能的实现方式中，一种可能的根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级的方法包括：
[0133]
d1、对所述风险评价等级向量和所述权重向量进行乘积运算，以得到模糊评价向量；
[0134]
d2、根据所述模糊评价向量，确定所述浮式生产储卸油装置的风险等级。
[0135]
对所述风险评价等级向量和所述权重向量进行乘积运算，以得到模糊评价向量的方法可以是：
[0136]
si＝ai×ri
＝[s
i1
,s
i2
,
…
,s
in
]
[0137]
其中，si为模糊评价向量，ai为权重向量，ri为风险评价等级向量。
[0138]
可以根据最大隶属度法，根据模糊评价向量中的元素的最大值，来确定出风险等级。不同的元素值区间对应有不同的风险等级，从而可以确定出风险等级。
[0139]
在一个具体的实施例中，本技术实施例提供了一种具体的浮式生产储卸油装置的风险分析方法，该方法具体包括：
[0140]
本实施例对某在役浮式生产储卸油装置的锚泊风险情况进行评价，得到该fpso的锚泊风险评价等级。
[0141]
步骤一，锚泊风险初步辨识，建立fpso锚泊风险评价网络层次结构。根据wbs-rbs方法对风险初步辨识的结果，采用德尔菲专家调查法，向行业内专家请教咨询，删除无关紧要、相对重复以及与实际不符的风险因素，构建出fpso锚泊风险评价网络层次结构，如图1b所示。
[0142]
步骤二，锚泊风险分析，构建网络分析结构。通过wbs-rbs法和德尔菲专家调查法，可以构建出fpso锚泊风险评价指标体系。在构建过程中,只识别了评价指标,还没有考虑指
标之间的相互影响关系，构造出来的是层次分析结构。但实际上，各个阶段内的风险因素不是完全相互独立的，而是存在着一定的相互影响关系，即系统内部会构成复杂的网络。所以还必须对评价指标之间的互相影响关系(反馈或依赖)进行研究，即建立风险元素和元素组间的关联，形成网络分析结构。
[0143]
(1)建立直接影响矩阵
[0144]
假设本研究有h位专家和n个需要考虑的因素(风险因子)。请每位专家对因素之间影响强度(即因素i影响因素j的程度)进行判断，并将专家的语言标度评价按照5级标度转化为非负整数，用a
ij
来表示。
[0145]
每位专家的判断矩阵为其中1≦k≦h。然后对专家的判断矩阵进行加权平均，然后按照下式确定a
ij
：
[0146][0147]
最后构造出初始直接影响矩阵a＝[a
ij
]n×n。
[0148]
根据步骤一建立的锚泊风险指标层次结构，采用德尔菲专家调查法，请专家对风险因素之间影响强度(即因素i影响因素j的程度)进行判断，并将专家的语言标度评价按照5级标度转化为非负整数，形成判断矩阵。然后对专家的判断矩阵进行加权平均，最后转化构造出初始直接影响矩阵如下表1所示。
[0149]
表1 锚泊风险元素初始直接影响矩阵
[0150][0151]
2)计算归一化直接关系矩阵
[0152]
对直接(初始化直接影响矩阵)关系矩阵a进行归一化(标准化)处理，方法如下述公式所示：
[0153][0154][0155]
d就是归一化的直接关系矩阵，s是归一化因子。
[0156]
(3)构造综合影响矩阵
[0157]
随着矩阵d的幂次增加(如d2，d3，
…
，d
∞
)，间接效应不断减少，类似于吸收马尔可夫链矩阵的矩阵逆的收敛解。综合矩阵t＝[t
ij
](i,j＝1,2,
…
,n)构造方法如下所示：
[0158][0159]
在综合影响矩阵t中，t
ij
就表示元素i对元素j的综合影响程度。
[0160]
表2 锚泊风险元素综合影响矩阵
[0161][0162]
(4)计算系统因素的中心度和原因度
[0163]
dematel法的另一个非常重要的特点就是可以直观地看到影响最大、受影响最大的因素。在得出综合影响矩阵t后，可以计算出行值和列值的和。行和用f表示，列和用e表示。
[0164][0165]
行值之和fi表示给定因素对其他因素的直接和间接影响的综合，可以称为影响度。
[0166][0167]
列值之和ej表示给定因素受到其他因素直接和间接影响的综合，称为被影响度。在此基础上，当i＝j时，pi＝(fi+ei)表示元素i在系统中所起的重要程度(所给予和收到的影响的总和)，称之为中心度；ri＝(f
i-ei)表示准则i对系统贡献的净效应，称之为原因度。当ri大于0时，元素i为原因元素；当ri小于0时，元素i为结果因素。
[0168]
表3 系统因素的影响度、被影响度、中心度、原因度
[0169][0170][0171]
依据上表数据可绘制锚泊各风险因素之间的相互影响关系图，即原因-结果图。如图1c所示，其中，f1、f2、f3、f4、f5、f13、f14是原因因素，即锚泊方式风险、业务能力风险、操作失误风险、组织管理风险、锚泊设备风险、台风风险、地震风险，这些风险因素可调控的弹性大，对结果因素f6、f7、f8、f9、f10、f11、f12、f15产生较大的影响。结果因素有结构风险、碰撞风险、火灾风险、健康风险、原油泄露、天然气泄露、污水泄露、畸形波风险。
[0172]
中心度数值越高，表示因素的影响力越明显。根据中心度从大到小排序为f5、f12、f10、f14、f13、f9、f1、f8、f6、f7、f14、f3、f2、f15、f4，分析可得锚泊设备风险、原油泄露、污水泄露、地震风险、台风风险等因素对于锚泊阶段的系统风险有着举足轻重的影响。
[0173]
(5)设置阈值并获取网络关系图(nrm)
[0174]
为了解释因素之间的结构关系，同时使系统的复杂度保持在一个可管理的水平，必须设置一个阈值(threshold)，以滤除矩阵t中一些可以忽略不计的影响。只有在矩阵i中的影响大于阈值的一些准则才应被选择并显示在网络关系图(nrm)中。这里得出的网络关系图就是anp中的网络结构图，如图1d所示。
[0175]
过查阅资料和专家咨询，确定锚泊风险阈值为0.12，若综合影响矩阵中的关联度数值小于0.12，则表示影响因素间关联关系较弱，应去掉这些关联度小的关系。最终筛选的结果如下表4、表5所示。
[0176]
表4 锚泊风险元素关联关系表
[0177][0178][0179]
表5 风险元素组关联情况表
[0180][0181]
根据上表，构建锚泊阶段风险元素的网络关系图如图1e所示。
[0182]
步骤三，确定锚泊风险权重，构建超矩阵与加权超矩阵，并jisuandedao综合权重。首先基于网络结构中各要素间的相互作用，设定准则和次准则，基于准则进行相关元素的两两比较，构造判断矩阵，求出排序向量，然后按照顺序构造出anp的超矩阵。这里得到的超矩阵不是归一化的，为此还需要对所有相关的元素组逐一比较，以某元素组为准则，其他组两两比较，构造出判断矩阵，得到排序向量。以此类推，构造出权矩阵。基于超矩阵和权矩阵，相乘运算得到归一化的加权超矩阵。对加权超矩阵进行求解，使用幂法，即求超矩阵的n次方，直到矩阵各列向量保持不变，最终得到各个指标的权重。
[0183]
(1)构造anp的超矩阵与加权超矩阵
[0184]
设控制层中有因素p1，
…
，pm，网络层有因素组b1，
…
，bn，其中bi中有因素其中i＝1，
…
，n。以控制层因素ps(s＝1，
…
，m)为准则，bj中因素e
jl
(l＝1，
…
，nj)为次准则，对于元素组bi中所有元素按其对e
jl
的影响力大小进行间接优势度比较，即构造判断矩阵：
[0185][0186]
anp中构造的判断矩阵同ahp中一样，需要进行一致性检验，一致性比例c.r.《0.1时符合要求。
[0187][0188]
c.i.(consistency index)表示一致性指标，r.i.(random index)表示平均随机一致性指标，r.i.一般采用查表法确定。当c.r.《0.1时，认为该判断矩阵具有满意的一致性，得到的风险权重与实际相差不大，是可以采用的；当c.r.≧0.1时，则不满足一致性，需要修正判断矩阵，使其具有满足一致性检验。对于一阶、二阶矩阵总是一致的，此时c.r.＝0。
[0189]
由特征根法得排序向量记w
ij
为：
[0190][0191]wij
的列向量表示bi中元素对bj中元素的相对影响权重。若bj和bi中元素互不相关，则w
ij
＝0。以此类推，计算得到超矩阵w：
[0192][0193]
对于整个系统，最终可获得m个非负的超矩阵。每个超矩阵的子块w
ij
均为列归一化的，但超矩阵本身却不是列归一化的。为了获得归一化的超矩阵，即加权超矩阵，以ps为准则，对ps下各组元素对次准则bj(j＝1，
…
，n)的重要性进行比较：
[0194][0195]
需要注意的是互不影响时，相关分量取0。得到加权矩阵a如下：
[0196][0197]
利用加权矩阵a对超矩阵的元素进行加权，得到其中
[0198][0199]
就为归一化的超矩阵，即加权超矩阵，其列和为1。为了便于描述，后文都简称为超矩阵，符号为w，但仍满足加权超矩阵的特性。
[0200]
(2)极限相对排序向量
[0201]
超矩阵w中元素w
ij
的大小实际上表示i对j的一步优势度。我们通常采用的都是极
限结果，与实际更为贴切。例如，也可以反映出i对j的优势度，实际上它就是w2的元素，w2仍是列归一化的，因此称为i对j的二步优势度。以此类推，只要存在，w
∞
的第j列就表示网络层中各元素对于元素j的极限优势度。
[0202]
表6 极限超矩阵
[0203][0204]
(3)dematel-anp法的综合权重计算
[0205]
综合权重w是在综合影响矩阵t基础上，利用anp方法得到各元素权重w，然后根据下式求得未归一化混合权重z：
[0206]
z＝w+t
×
w＝(i+t)
×w[0207]
对z进行归一化，得到最终的混合权重w，与w相比，w更加科学合理，更符合实际情况。
[0208]
通过anp法求得锚泊风险指标的权向量w4之后，根据公式z＝w+t
×
w，求出z4＝w4+t4×
w4＝[0.226825，0.076777，0.084419，0.067678，0.365460，0.138918，0.078145，0.105008，0.037709，0.119596，0.089881，0.105212，0.291520，0.162699，0.154585]
t
，然后进行归一化，求出锚泊综合权重w4＝[0.107784，0.036483，0.040115，0.032160，0.173662，0.066012，0.037134，0.049898，0.017919，0.056830，0.042710，0.049995，0.138527，0.077312，0.073457]
t
。
[0209]
步骤四，基于fce的fpso锚泊风险评估。fce方法评价步骤大致包括：确定评价因素以形成评价因素集、划分评价等级以建立备择集、构造评判矩阵和确定相应权重、进行模糊运算得出评价结果、判断风险水平做出决策方面。多层次模糊综合评判模型基本步骤如下：
[0210]
(1)建立因素集和备择集
[0211]
因素集是影响评判对象的所有风险因素组成的普通集合，即一个有限论域。对评判因素集合u，满足下列条件的情况下，将其划分成m个子集：
[0212][0213]
这样，就得到了第二级评判因素集合：
[0214]
u＝{u1,u2,
…
,um}
[0215]
备择集的建立同单层次模糊综合评判模型中的类似。
[0216]
(2)建立评语集(备择集)
[0217]
针对一个目标，评价者可能会做出多种不同的评价结果，这些评语组成的集合就是评语集。刻画每一因素所处的状态的n个评价等级，通常用大写字母v表示，即一个有限论域：
[0218]
v＝{v1,v2,
…
,vn}
[0219]
各因素vj(j＝1,2,
…
,n)代表各种可能的总评判结果。
[0220]
针对fpso锚泊风险评估，采用传统的五级划分方法，得到如下的备择集：
[0221]
v＝{v1,v2,v3,v4,v5}＝{低风险，较低风险，中等风险，较高风险，高风险}
[0222]
风险度量的取值范围我们确定为[0,1]，采用传统的等值间隔划分方法，得到结果如下式所示：
[0223]
v1∈[0,0.2]；v2∈[0.2,0.4]；v3∈[0.4,0.6]；v4∈[0.6,0.8]；v5∈[0.8,1]
[0224]
(3)建立权重集
[0225]
对因素集中的各个因素ui(i＝1,2,
…
,m)赋予相应的权数ai(i＝1,2,
…
,m)以反映因素的相对重要程度，由各权数所组成的集合ai＝(a1,a2,
…
,am)称为因素权重集。ai是因素集ui上的一个模糊子集，各权数ai可视为各因素ui对“重要”的隶属度，且ai应满足归一性和非负性条件，即ai≥0。
[0226]
根据步骤三中计算得到的权向量w4锚泊风险模糊评价权重集a4＝[0.086438，0.010894，0.025835，0.014083，0.238342，0.076733，0.02509，0.058823，0.03006，0.052462，0.023779，0.033646，0.149969，0.053906，0.119939]。
[0227]
(4)确定隶属度向量
[0228]
指标体系中的风险因素属于备择集中风险级别的符合程度，被称为隶属度。风险因素的隶属度向量通常采用德尔菲专家调查法得到，请每位专家按照评语集合对每一个风险指标进行风险隶属度评价。
[0229]
将专家评价结果进行归一化处理，可以建立锚泊风险b4子集的隶属度向量矩阵r4。
[0230][0231]
(5)模糊综合评判
[0232]
若ui中的nk个评判因素，对每一个因素按单层次方法进行评判，设ui中的相应风险因素的权数为ai，判断矩阵为ri，则得到ui的模糊评价结果为：
[0233]
si＝ai×ri
＝[s
i1
,s
i2
,
…
,s
in
]
[0234]
得到评判指标sj之后，将其进行适当的处理，可以获得需要的评判结论。比较常用的有最大隶属度法：评价结果取与最大的评判指标s
jmax
相对应的评语vj，即：
[0235]
v＝{vj|vj→sjmax
}
[0236]
最大隶属度法虽然形式较为简单，但是牺牲了除最大评判指标外的指标所提供的影响。此外当有多个最大评判指标时，应用最大隶属度法变得困难，为了解决这一问题，可以选择加权平均法。
[0237]
锚泊阶段风险因素的模糊评判结果s4为：
[0238]
s4＝a4×
r4＝[0.1421 0.1538 0.3244 0.2274 0.1523]，fpso锚泊阶段风险隶属度矩阵中的最大值为0.3244，由最大隶属度原则，该阶段的风险等级为中等。
[0239]
与上述实施例一致的，请参阅图2，图2为本技术实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
[0240]
获取浮式生产储卸油装置的风险因子集合；
[0241]
确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量；
[0242]
确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量；
[0243]
根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级。
[0244]
上述主要从方法侧执行过程的角度对本技术实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本
领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0245]
本技术实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本技术实施例中对单元的划分是示意性的，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。
[0246]
与上述一致的，请参阅图3，图3为本技术实施例提供了一种浮式生产储卸油装置的风险分析装置的结构示意图。如图3所示，所述装置包括：
[0247]
获取单元301，用于获取浮式生产储卸油装置的风险因子集合；
[0248]
第一确定单元302，用于确定所述风险因子集合中的风险因子的风险评价等级，以得到风险评价等级向量；
[0249]
第二确定单元303，用于确定所述风险因子集合中的风险因子的风险权重值，以得到权重向量；
[0250]
第三确定单元304，用于根据所述风险评价等级向量和所述权重向量，确定所述浮式生产储卸油装置的风险等级。
[0251]
在一个可能的实现方式中，所述第一确定单元302用于：
[0252]
获取所述风险因子集合中的风险因子之间的关联关系，以得到第一判断矩阵；
[0253]
对所述第一判断矩阵进行归一化处理，以得到归一化判断矩阵；
[0254]
根据所述归一化判断矩阵，确定风险因子的综合矩阵，所述综合矩阵中的元素用于指示风险因子之间的综合影响度；
[0255]
根据所述综合矩阵，确定风险因子的中心度和原因度；
[0256]
根据所述中心度和原因度，确定所述风险评价等级向量。
[0257]
在一个可能的实现方式中，所述第二确定单元303用于：
[0258]
获取所述风险因子集合中的控制层风险因子集合和网络层风险因子集合；
[0259]
根据所述网络层风险因子集合中的风险因子之间的影响度和控制层风险因子集合，确定第二判断矩阵；
[0260]
根据所述第二判断矩阵，确定加权超矩阵；
[0261]
根据所述加权超矩阵进行归一化处理，以得到所述权重向量。
[0262]
在一个可能的实现方式中，在所述根据所述第二判断矩阵，确定加权超矩阵方面，所述第二确定单元303用于：
[0263]
根据所述第二判断矩阵，确定非负的超矩阵；
[0264]
对所述非负的超矩阵进行归一化处理，以得到所述加权超矩阵。
[0265]
在一个可能的实现方式中，所述第三确定单元304用于：
[0266]
对所述风险评价等级向量和所述权重向量进行乘积运算，以得到模糊评价向量；
[0267]
根据所述模糊评价向量，确定所述浮式生产储卸油装置的风险等级。
[0268]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种浮式生产储卸油装置的风险分析方法的部分或全部步骤。
[0269]
本技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种浮式生产储卸油装置的风险分析方法的部分或全部步骤。
[0270]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0271]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0272]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如所述单元的划分，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，例如多个单元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，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0273]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
[0274]
另外，在申请明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
[0275]
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0276]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
[0277]
以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会
有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。