基于SVR模型的水运化学品事故损害赔偿的研究

张建霞,许乐平,何建海

(上海海事大学商船学院,上海201306)

基于SVR模型的水运化学品事故损害赔偿的研究

张建霞,许乐平*,何建海

(上海海事大学商船学院,上海201306)

散装化学品船舶是一种移动的危险动态源,在运输中出现的事故对人员安全和海洋环境威胁最大.因此需要结合化学品在船舶运输中的特性,对化学品泄漏污染损失额进行合理的估算,为船舶污染索赔和环境保护提供科学的理论依据.SVR作为一种基于统计学习理论的非线性回归模式,具有良好的通用性和鲁棒性,它通过算法从训练数据中抽取小的子集,建立拓扑结构,可以在有限样本下获得最优解,在解决回归、拟合等领域有着广泛的应用.本文在介绍SVR回归拟合的原理和算法的基础上,通过对实例的选取和分析,进行了水运化学品泄漏事故的风险识别和事故损害赔偿的预测,建立了SVR模型对环境风险的损失价值进行了评估.仿真结果表明,SVR在水运化学品事故损害赔偿评估中有着良好的预测性和可行性.

水路运输;SVR;小样本;损害赔偿;预测模型

1 引 言

由于船舶运输有着运输量大、成本低的优点,在各类运输方式中占有很大的比例.近年来,随着高科技的发展,各种先进技术也相继应用在船舶上,但船舶事故仍时有发生,其中既有人的因素,也有环境和管理因素.而危险品船舶运输作为一种特殊的船舶运输方式,因其装运货物的特殊性,近年来受到了各国政府的普遍重视.但是,船舶爆炸和泄漏事故还是时有发生,让人类防不胜防.在船舶事故发生后,常常伴随着几个问题,一是如何建立切实可行的事故损害赔偿模型,对受害者的权益进行必要的维护;二是在通过模型得出损害赔偿金额后,通过什么渠道来赔偿.其中第一个问题尤为关键,国外因为有着完善的事故赔偿机制,发生的船舶事故大都能得到有效的赔偿.而我国航运事故赔偿机制尚不完善,没有形成合理、规范的污染损害评估机制,难以对发生的各类海洋事故进行科学的评估,使得受害方由于没有索赔依据而得不到合理的赔偿,大大影响了生产和环境的恢复建设.

在污染损害评估方面,有关学者采用很多的的研究手段对突发性事故进行了环境方面的评价,在船舶溢油方面已经有了一个较为完善的评估体系[1].挪威的Mark Reed,Deborah French开发了一套用于评估环境影响的石油和化学泄漏的系统,它通过模拟不同污染物的理化状态可用于计算事故对生物和环境的影响和损害程度[2];美国的海上有害物质损害污染赔偿主要依据两部主要的联邦法律《油污法》(Oil Pollution Act,简称OPA)和《环境反应赔偿责任综合法》(Comprehensive Environmental Response,Compensation,and Liability Act,以下简称CERCL),前者主要规范油污损害民事责任及赔偿,后者主要适用于石油以外的其他危险物质污染;Deborah P.French Mccay等采用了筛分分析方法,利用CHEMMAP模型(泄漏化学品迁移轨迹和风化模型)对大型港湾泄漏的化学品的浓度和未来的迁移及水生生物链的生态危害进行了评估[3];我国如国家海洋局北海环境监测中心以“塔斯曼海”轮溢油泄漏为例,在进行多次现场调查和监测的基础上,采用了数值模拟、油指纹识别、生态损害评估等技术评估手段,对海洋环境与生态损害程度进行了调查和评估.实践表明,污染损害事实及程度的认定基本符合客观事实[4,5],马丽等通过对华盛顿州“索赔公式法”、佛罗里达州“直接计算法”和溢油生态损害快速预评估模式3种典型的简易生态损害评估方法进行分析比较,指出了简易评估方法对小型溢油事故生态损害进行快速、高效的评估和及时进行海洋生态损害赔偿、修复具有重要意义[6].此外,北京师范大学的张继伟通过开展海岸带化工园区化学品泄漏事故的风险生态效应识别与影响预测,建立了生态-经济模型评估环境风险的生态损害价值;还有采用海洋灾害经济损失评估模型、人工神经网络模型、自然资源损害评估、生境等价分析、中国的渔业损害评估等进行研究的.这些方法的结果相对准确、合理,但大多数耗时长,成本高,涉及的专业人员多,需要收集的信息量大,往往适用于大型或特大型溢油事故.对于船运化学品事故的损害赔偿,还没有太多的相关研究.本文在综合分析船运化学品的物理、化学性质的基础上,结合事故发生时的海况、船舶状况等相关因素,利用SVR建立了船运化学品损害赔偿预测模型,并通过对不同核函数的选取,比较了其预测精度.结果表明,使用RBF核函数建立的SVR模型预测精度较高,可用于已发生事故损害赔偿预测.

2 支持向量机的回归原理及算法

SVR(Support vector machine for regression)是回归型支持向量机,主要利用SVM解决回归拟合方面的问题.作为一种新的机器学习方法,它的基础是Vapnik的统计学习理论,采用的是结构风险最小化准则,并且没有数据维数的限制,可以大大提高网络的泛化能力.SVR是在SVM分类的基础上引入了不敏感损失系数ε[7],其核心思想是寻找1个最优分类面使得所有训练样本离该最优分类面的误差最小.假设有一个训练集,样本数为L, xi(xi∈R)是第i个训练样本的输入列向量,xi= [xi1,xi2,…,xid]T,yi∈R为对应的输出值.设在高维特征空间中建立的线性回归函数为f(x)= wΦ(x)+b,其中,Φ(x)为非线性映射函数,由于ε不敏感损失函数具有较好的稀疏特性,因此|yi-wxi-b|≤ε(i=1,…,l),如果存在拟合误差,那么引入松弛变量:ξ≥0,ξ*≥0,则函数的回归问题可以表述为[8]

式中 C为惩罚因子.在求解时,引入Largrange函数,并将其转换为对偶优化问题,则有

由公式(5)可知,SVR的最终函数形式与SVM相同.在上式中,K为核函数,它的选取对网络的精度有着明显的影响,常用的核函数有以下4种:

(1)线性核函数k(x,xi)=xxi;线性核函数是核函数的一个特例,主要是在原始空间中寻找最优泛化性的线性分类器.

(3)径向核函数k(x,xi)=;该函数是局部性很强的核函数,其外推能力随参数的增大而减弱.

(4)具有参数k和θ的Sigmoid核函数k(x,xi)tanh(k(xxi)+θ);当Sigmoid作为核函数时, SVR就成为一种多层感知器神经网络,其隐含层的节点数目、隐含层节点对输入节点的权值都是在训练中自动完成的.而且它最终取得的值是全局最优值,而不是局部最小值.从而保证对未知样本的良好泛化能力,不会出现过学习现象.

选用不同的核函数形成不同的SVR,而构造一个良好性能的SVR,核函数的选取是很关键的.通常使用不同核函数,误差最小的核函数就是最好的核函数.

3 SVR模型的建立与分析

3.1 样本数据集的构建

对事故损害赔偿进行评估时,需要建立一定的模型,本文在有关历史数据的基础上,选取了典型的17组数据作为样本.这些样本覆盖了这些年发生在我国沿江、沿海的许多不同类型的危险化学品泄漏事故.在建立数据模型时,需要对影响事故赔偿金额的各个因素逐一判定,在样本的处理上,根据各因素对船舶泄漏风险评价体系的影响程度,主要选取了泄漏量、泄漏点、易燃性、反应活性、健康危害性、气象海况和船舶吨位等7项指标作为网络输入,以船舶损失赔偿金额作为网络输出构建网络模型.在建模过程中,需要确定泄漏点、易燃性、反应活性和健康危害性的等级大小.

泄漏点等级按照泄漏地点是否属于自然保护区、养殖区、资源区、旅游区、浴场等,然后按照其承受污染风险的大小及程度分为5个等级,分别是:

0类源头水、国家自然保护区属于特殊控制区,禁止排放污水区.

1类集中式生活饮用水水源地、一级保护区、珍贵鱼类保护区、鱼虾产卵场等,属于特殊控制区,禁止排放污水区.

2类集中式生活饮用水水源地、二级保护区、一级鱼类保护区、游泳池,属于重点控制区,执行一级标准.

3类工业用水区、人体非直接接触的娱乐、用水区,属于一般控制区,执行二级或三级标准.

4类农业用水区、一般景观要求水域,属于一般控制区标准(排入城镇生活污水处理厂).

由于船载化学品种类繁多,毒性相差很大,其风险分级指数等级划分主要根据化学品的热物理、毒性、环境反应活性来进行,主要包括:可燃性、反应活性和健康危害性.其依据是美国消防协会(NFPA)菱形数字分级和NPCA危险辨识标准.健康危害性按照对身体的伤害程度划分为:0、1、2、3、4共5个级别;可燃性分级按照其内在属性(闪点温度)划分为0、1、2、3、4共5个级别;反应活性则根据物质在环境温度下的稳定程度划分为0、1、2、3、4共5个级别[9].具体如表1所示.

由此,我们可以构建一个模型,其中,有7个输入,1个输出,具体如表2所示(相关数据来自某海事局船舶事故数据统计).

表1 化学品理化分级表Table 1 Physical and chemical classification table of Chemical

表2 样本参数分类表Table 2 Classification table of samples parameters

3.2 SVR模型参数的选取及仿真

在数据组织好以后,样本数据分为2个部分:训练样本和测试样本,1-13号样本为训练样本, 14-17号样本为测试样本.训练样本应具有代表性,主要用来对建立的模型进行训练,调整参数,其格式要满足libsvm对数据的要求;试测样本用于检测模型的学习效果如何.选好以后,就可以利用svmtrain创建一个SVR模型.需要注意的是,在建立模型前,为了消除各个数据样本因量纲的不同对模型的影响,对数据要进行归一化处理[10],具体步骤如下:

(1)根据相关资料,对现有的数据进行量化和模糊处理,然后利用mapminmax函数对输入矩阵进行归一化处理,产生样本集;

(2)建立相关SVR模型;

(3)利用所建模型对样本进行分析;

(4)利用svmpredict进行仿真测试.

在进行预测时,需考虑相关参数对模型性能的影响,尤其是惩罚因子C和核函数方差g对预测精度的影响较大.一般,当模型的性能大致相近时,优先选择惩罚因子C较小的参数,这样,支持向量数少,计算量也小.

在模型的建立过程中,核函数参数k的不同取值对SVR的预测性能影响很大.参数选择不同,网络的学习效率和泛化性能也有很大的不同.在保证其他模型参数不变的情况下,仅修改核函数的类型,对模型的性能进行衡量,指标选用均方误差E和决定系数R2.二者的计算公式如下:

选择不同核函数时的均方误差E和决定系数R2如表3所示.

从表3中可以清楚地看到,训练集里,多项式的均方误差较小,决定系数最大;测试集里,RBF的均方误差最小,多项式和均方误差的决定系数相当,尽管多项式核函数对应的模型训练集性能稍好于RBF核函数,但是,其泛化能力较差,所以,RBF核函数对应的模型泛化能力最好,性能最佳.因此.模型选用RBF作为核函数.

表3 核函数类型对模型性能的影响Table 3 Effect of different Kernels on model performance

在其他参数的选取上,经多次的测试、调整,选择ε=0.001,C=10,g=0.7,建立仿真模型,其仿真结果如图1和图2所示.

图1 训练样本结果Fig.1 Result of the training sample

图2 测试样本结果Fig.2 Result of test sample

由仿真结果可知,基于SVR建立的水运化学品事故赔偿模型均方误差MSE在训练集和预测集中分别为5.95e-008和8.168e-006,相关系数分别为0.99和0.99,这说明SVR模型通过参数的调整,其误差减小,回归函数平滑,有效地提高了泛化能力.从图2可知其预测值与真实值非常接近,表明SVR模型的预测精度非常高,水运化学品事故的赔偿可以基于此SVR模型进行赔偿金额的预测.

4 研究结论

(1)本文将回归型支持向量机引入到水运化学品事故损害评估方面,在选取分析反映水运化学品事故损害赔偿中的各个相关因素的基础上,建立了以RBF为核函数的SVR损害评估模型,对化学品泄漏造成的环境污染危害赔偿进行了预测.

(2)由预测结果可知,水运化学品的理化性质对事故损害赔偿的影响最大;其次,事发时航行气象海况也对事故的损害程度有一定的影响.SVR模型有较高的拟合精度和较好的泛化能力,可以准确地描述相关因素间的非线性关系,使得预测结果很好地贴合于实际,提高了损害赔偿预测的准确度,在船舶化学品事故的应急处理、危害评估和损害赔偿等方面有着较为理想的使用价值.

(3)本文的方法主要是依靠历史统计数据进行了预测,故样本数量偏少,如何扩大样本数量,使其更能准确地覆盖到事故的各个潜在因素,并在优化SVR核函数的基础上,建立更加科学合理的评价模型,是今后研究的重点.

(4)由于海洋和内河的运输条件不同,船舶吨位也有所区别,因此,今后的研究方向可以划分为远洋和江河近海分别进行风险评估,这样对不同区域的事故预测更有针对性和准确性.

[1] 任常兴.基于风险分析的危险品道路运输路径优化方法研究.[D].南开大学博士论文.2007.[REN C X.Hazardous materials transportation by road:riskanalysis-basedoptimalroutingmethodology[D]. Nankai University.2007.]

[2] Mark Reed,Deborah French,Thomas Grigalunas,et al.Overview of a natural resource damage assessment model system for coastal and marine environments[J]. Oil and Chemical Pollution,1989,5:85-97.

[3] Deborah P,French McCay.Chemical spill model (CHEMMAP)forforecasts/hindcastsand environmental risk assessment[R].Proceedings of the 24th Arctic and Marine Oil spill(AMOP)Technical Seminar,June 12-14,2001:825-846.

[4] 张继伟,杨志峰,等.基于环境风险的海洋生态补偿标准研究[J].海洋环境科学2010,29(5):751-753 [ZHANG J W,YANG Z F,et al.Research on marine ecologicalcompensationstandardbasedon environmental risk[J].Marine Environmental Science, 2010,29(5):751-753.]

[5] 高振会,杨建强,等.海洋溢油对环境与生态损害评估技术及应用[M].海洋出版社,2005.[GAO Z H,YANG J Q,et al.Marine oil spill on the environmentandecologicaldamageassessment techniquesandapplication[M].Maritime Press,2005.]

[6] 杨建强,张秋艳,等.海洋溢油生态损害快速预评估模式研究[J].海洋通报,2011:702-704[YANG J Q, ZHANG Q Y,et al.Rapid assessment mode based on ecological damage of marine oil spill[J].Marine Science bulletin,2011:702-704.]

[7] 史峰,王辉,等.MATLAB智能算法30个案例分析[M].北京航空航天大学出版社,2010:269-289.[ SHI F,WANG H,et al.30 cases analysis of intelligent algorithms for MATLAB[M].Beihang University Press,2010:269,289.]

[8] 常晓丽.基于Matlab的BP神经网络设计[J].机械工程与自动化,2006,137(4):36-37.[CHANG X L. Design ofBPnetworksbasedonmatlab[J]. Mechanical Engineering&Automation,2006,137 (4):36-37.]

[9] 任长兴,吴宗之.危险品道路运输风险分级指数法研究[J].安全与环境学报,2006,6(4):126-129. [REN J C,WU Z Z.Study on the risk rank indices of hazardous materials transportation[J].Journal of Safety and Environment,2006,6(4):126-129.]

[10] 唐伟勤.复杂系统非线性评估技术[D].武汉理工大学,2004.[TANG W Q.Non-linear evaluation technologyaboutcomplexsystems[D].Wuhan University of Technology,2004.]

Damage Compensation of the Shipping Chemical Accident Based on SVR

ZHANG Jian-xia;XU Le-ping;HE Jian-hai
(Merchant Marine College,Shanghai Maritime University,Shanghai 200135,China)

The bulk chemical ship is a risk of shifting dangerous source which is the greatest threat to marine safety and environment in transit when the accident occurs.Therefore,it is necessary to combine the characteristics of the chemicals in the transport for the reasonable estimate the amount of chemical spill, pollution losses for ship pollution claims and environmental protection based on the scientific foundation. SVR is a non-linear regression model on the basis of statistical learning theory,and it has good versatility and robustness.The establishment topology is based on a small subset extracting from the training data by algorithm.The optimal solution will be obtained under the limited sample.Because of the above feature, SVR has been widely used in areas such as regression and fitting.Firstly,the basic regression and fitting principles of the SVR is introduced.Secondly,the accident damage compensation is predicted by analyzing the different examples and selecting the different kernel function.Finally,the results show that the damage compensation model is valid and feasible.

waterway transportation;SVR;small sample;damage compensation;prediction model

U698.7

: A

U698.7

A

1009-6744(2013)05-0114-06

2013-05-29

2013-07-11录用日期:2013-07-29

张建霞(1972-),女,上海人,博士生.

*通讯作者:xuleping78@163.com