知识不确定条件下的海外保障基地自然风险情景模拟评估

姜德良，张韧，葛珊珊

（国防科技大学 气象海洋学院，江苏 南京 211101）

知识不确定条件下的海外保障基地自然风险情景模拟评估

姜德良，张韧，葛珊珊

（国防科技大学 气象海洋学院，江苏 南京 211101）

针对海外保障基地面临的自然风险，在风险辨识基础上，构建了风险评价指标体系和海外保障基地自然风险的贝叶斯网络评估模型，并进行了情景模拟下的量化实验评估。针对目前贝叶斯网络评估过程中的群决策和决策偏好问题，引入了犹豫层次分析思想来优化计算指标风险隶属度，改进了评估过程中的客观性和适用性。

风险评估；海外保障基地；贝叶斯网络；犹豫层次分析

伴随着中国“一带一路”对外开放格局的形成，尤其是以“21世纪海上丝绸之路”为纽带，为中国主动创造和平、合作、和谐的外部环境提供了良好机会和有力保障（发改委等，2015）。海外保障基地是一个国家参与全球事务的“桥头堡”，对于国家军事力量投射，拓展海外利益具有极其重要的影响（托尔钦诺夫，1956）。参考海外军事基地的概念（胡乔木，1989），本文讨论的海外保障基地是指：“一国在海外公地、领地、属地、海外省、海外托管地以及在他国土地上Δ扎一定数量的军事力量、进行特定保障活动、建有相应组织机构和设施的地区。”相对于一般港口，海外保障基地的功能更加复杂，具体来说可分为军事保障功能、外交宣示功能、政治改造功能、关系塑造功能，以及军事训练功能（孙德刚等，2012）。对于我国来说，鉴于打击索马里海盗和亚丁湾护航等作战任务的需要，我海军护航编队也有建立海外综合补给保障基地的迫切需求。

海外基地通常面临着自然环境和地缘政治风险。目前，国内外对于海外基地的研究，聚焦于基地对周边地区的政治军事影响、基地自身功能和法律问题等方向。自然风险方面，国外学者从宏观角度分析了气候变化将严重威胁沿海港口及军事设施（Fingar，2008），并指出当前的基础设施设计标准和施工准则都不足以应对气候变化，海外基地基础设施的防灾减灾能力是决定基地整体功能强弱的重要组成部分（殷洁等，2013）；黎鑫等（2016）利用Arcgis软件，对海外基地部署密集的“海上丝绸之路”周边自然环境风险进行了风险分析与区划；张韧等（2013）研究构建了沿岸及岛礁守备基地风险评估体系。然而关于海外保障基地的风险评估指标体系构建，以及如何反映基地各要素之间复杂的非线性关系，从而进行量化评估的研究相对欠缺。因此，本文通过贝叶斯网络建模，以海外保障基地的自然风险为评估对象，在风险辨识的基础上构建指标体系，并利用犹豫层次分析法解决建模过程中的群决策和决策偏好问题，构建了海外保障基地自然灾害风险评估模型。

1 指标体系构建

1.1 海外保障基地风险概念模型

基于风险理论，分别从危险性、脆弱性和防范能力三个方面来度量海外保障基地自然环境风险，同时在风险辨识时需要对致险因子和承险体以及后果进行分析。

（1）危险性指标：描述致险因子的出现频率和强度。恶劣天气状况是对军事基地基础设施和作训人员安全的首要威胁。热带气旋会带来狂风、暴雨等破坏性天气过程；风暴潮和天文潮等极端潮位会导致潮水对基地生活设施、战备物资的浸泡；大雾所导致的低能见度严重影响船只靠港停泊和出港；高温湿热天气对基地人员的体能、生理和心理健康产生影响和危害。同时，港口的复杂地理条件同样对基地产生直接威胁。海平面上升会导致海水对生活设施和武器装备阵地淹没和倒灌；地理特征指数是衡量和评价海外保障基地承受极端气候条件和环境灾害能力的重要评判依据（何霄嘉等，2012）。

（2）脆弱性指标：用于描述承险体的敏感性和暴露性。港口作业能力代表基地对护航舰队的补给、保养水平；海外基地的军事战略价值主要体现为其在国家维护海外利益和参与海外政治、军事活动中的战略地位（张洁，2015）；备用基地数量对于基地减灾能力具有极大的影响。

（3）防范能力指标：用来刻画对风险的监督、预警水平和风险控制能力。防污疏浚能力影响港口通航、停泊能力；东道国与设立国合作类型刻画的是东道国对基地建设和维护的参与程度，一般来说参与程度越高，东道国对基地的建设和维护力度越大；应急预案与应急处置能力即针对各类恶劣天气状况和危险海况的预报预警技术、应急响应机制和联动措施等；后勤保障能力指本基地自身物质保障和救.行动协调水平等，需要注意的是其与基地对外保障功能概念不同，后者常指基地作用，属于脆弱性因素，本文中统一划入军事战略价值这一指标中。

针对以上风险辨识与综合分析，对风险评估指标构建如表1所示。

1.2 指标定义与数据来源

对指标的具体表达和数据来源作如下定义和处理：

d1——热带气旋危险指数指标

定义：评估单元热带气旋底层近中心最大风力，风力越大则危险性越高。

数据来源：印度气象局新德里风暴中心整编的热带风暴路径数据集；

d2——极端潮位危险指数

定义：评估单元因风暴潮和天文潮引起的增水水位，水位越大则危险性越高。

数据来源：印度气象局提供的验潮站长期统计平均数据资料；

d3——大雾危险指数；

定义：评估单元能见度，能见度越小则危险性越大。

d4——高温闷热危险指数

定义及量化：高温闷热指标危险指数可表示为：

式中，t为空气温度（单位：益），f为空气相对湿度（单位：%）。指数越高则危险性越大。

d3—d4指标数据来源：ICOADS（International Comprehensive Ocean-Atmosphere Data Set，综合海洋大气数据集）数据；

d5——海平面上升危险指数

定义：评估单元所处海域海平面上升速率，上升速率越大则危险性越大。

数据来源：利用PSMSL验潮站资料和AVSIO海平面异常数据统计得到的印度洋各海域长期海平面变化趋势（周娟，2014）；

d6——地理特征指数

定义：港口综合地理条件，具体分级见表2。

数据来源：港口自然地理公报；

d7——港口作业能力

定义：评估对象港口集装箱年吞吐量（单位：万TEU），吞吐量越大，说明港口经济活动密集，则脆弱性越大。

数据来源：上海国际航运研究中心的中国航运数据库；

d8——军事战略价值

定义：基地在国家整体军事战略部署中的地位。根据风险辨识中的这一脆弱性指标定义，设定3个评判标准：战略支点、普通基地、备用基地。

d9——备用基地数

定义：备用基地数目，其量化标准如表2所示。

d10——合作类型

定义：即设立国与东道国对基地管辖权的归属，其量化标准如表2所示。

d11——后勤保障能力

定义：对基地后勤保障能力的度量，其量化标准如表2所示。

d12——防污疏浚能力

定义：对基地防污疏浚能力的度量，其量化标准如表2所示。

d13——应急预案与应急处置能力

定义：对基地应急预案与应急处置能力的度量，其量化标准如表2所示。

d8—d13指标数据来源：结合国内军港平均状况和国家战略，由专家预测与评估。

通过对以上数据的整理与分析，依据我国地面气象观测规范、国家标准和相关国内外研究，基于自然断点法（李爽，2008），对以上指标的等级划分如表2所示。

表2 指标等级划分

2 评估模型

基于已经建立好的评估指标体系，考虑到不同层次致险因子之间的相互作用和非线性关系极为复杂，以及评估时面临着的定性指标评语的定量化问题，难以对评估对象使用传统的线性评价方法或回归评价方法进行量化评估。因此，本文引入贝叶斯网络模型，通过计算并输入先验概率，得到各节点之间的因果关系，继而根据可获得的数据调整初始输入信息，获取定量评估结果并进行情景模拟实验。

2.1 贝叶斯网络

贝叶斯网络（Bayesian Network，BN）利用图论与概率论结合的原理，将事件节点之间的不确定性关系以图解可视化的方法进行处理，可以直观地、量化地展现相关节点之间的因果关系（史志富等，2012）。完整的贝叶斯网络B=由两个组成部分表达其信息：1）网络结构中的节点及节点之间的连接（有向弧）分别表达各个信息要素及要素之间可能的因果关系；2）网络参数兹构成的条件概率表（CPT）表达了要素之间的影响度。

2.2 指标风险隶属度

在利用贝叶斯网络建模过程中，需要给出各节点之间的条件概率关系，可以通过蒙特卡洛方法利用随机数发生器来进行模拟实验（张继权等，2013）。当输入变量按一定概率取值时，则随机数发生器产生数值并依概率赋值给输入的变量，通过大量的迭代得到无限接近真实的实验结果。

杨理智等（2014）利用传统的层次分析法（Analytic Hierarchy Process，AHP）给出了各双亲节点相对子节点的风险隶属度，进一步得到条件概率分布表（CPT）。AHP法由专家根据自身经验和专业知识对各层次因素之间两两量化比较，采用1-9标度进行打分。其缺点在于主观性较强，还会出现决策者面对两个类似或相邻的选项难以判别的情况，以及对于多个决策者参与的群决策单纯使用平均处理方法的不足。为进一步增强其客观性，并着力解决上述存在问题，朱斌（2014）基于传统的层次分析法，引入犹豫偏好的概念，利用概率描述犹豫偏好的程度，提出了犹豫层次分析法（HAHP）。H-AHP适用于决策过程中决策者选择、判断时犹豫不决的情况，可描述决策者提供的带有不同程度偏好的决策信息，并对群决策的信息进行合并，从而提高了方法的适用性和准确性。

2.2.1 构建概率型犹豫积型偏好关系

针对海外保障基地自然风险评价指标体系，对于每一层次指标，由专家给出概率型犹豫积型数，进而构建概率型犹豫积型偏好关系（P-HMPR），对群P-MHPR进行合并后集成得到积型偏好关系（MPR），计算得到各指标隶属度并通过一致性检验。

对于一个方案集X={x1，x2，…，xn}，决策者对X中元素进行两两比较，然后给出概率型犹豫偏好数，从而构建P-HMPR：

得到集成积型偏好关系（MPR）。

2.2.2 隶属度计算与一致性检验

对于得到的排序值棕i，Aguaron等（2003）提出了几何一致性指标（GCI）用于检验Y（l）的一致性水平：

令参数姿=0.1，从Y中随机得到一个MPR Y（l），计算其最大特征向量姿maxY（l）蓸蔀和特征向量棕=（棕1，棕2，…，棕n）。计算RI的取值如表3所示。若CRA=0.1则退出；否则令其中用Y忆（l）替换Y（l）。不同维数的RI和如表3、表4所示。

表3 不同维数Y的RI平均值

表4 不同维数Y的GCI可接受临界值

3 评估建模与仿真实验

3.1 情景假设

针对我国建设海外保障基地的实际需要，根据海外保障基地的可能潜在位置，对某基地情景模拟的参数设定如下：

1）地理位置范围：亚丁湾临近；

2）港口年集装箱吞吐量<50万TEU，对应风险隶属度低风险100%；

3）备用基地数量为0个，对应风险隶属度高风险100%；

4）军事战略价值为战略支点，对应风险隶属度高风险100%；

5）设定合作类型为设立国和东道国共享保障基地设施与管辖权，对应风险隶属度中等风险100%；

6）防范能力的其他三项根节点指标风险隶属度由三位专家评估预测按比例给出，最终得到后勤保障能力风险隶属度（高：0%，中等60%，低40%），防污疏浚能力风险隶属度（高：0%，中等20%，低80%），应急预案与处置能力（高：60%，中20%，低：20%）。

3.2 贝叶斯网络建模

3.2.1 计算条件概率分布表

利用犹豫层次分析法，基于1-9标度，邀请相关专家对属性层中的每一个指标风险元素进行两两比较，给出犹豫偏好信息，并依据评估结果，构造概率型犹豫积型偏好关系（P-HMPR）。以准则层判别为例，专家给出的群偏好关系如表5所示。

表5 准则层概率型犹豫积型偏好关系

利用公式（4）对群决策信息进行合并，获得聚集P-HMPR（表6），并集成为积型偏好关系（表7）。

表6 聚集P-HMPR

利用3.2.2中的行几何平均法和一致性检验方法（公式6），计算得到的对比表3不满足一致性检验条件。因此需要改进积型偏好关系的一致性，可得改进后的MPR为如表7所示。计算其几何一致性指标GCI，得到其0.0139，对比表3可知满足可接受一致性，利用公式（5）计算得到的风险隶属度分别为危险性：0.507 1，脆弱性：0.335 2，防范能力：0.157 7。

表7 准则层集成MPR

基于以上流程，由专家对各层次指标打分给出偏好信息后，得到的海外保障基地自然灾害风险评估体系的指标风险隶属度如表8所示。

表8 改进的MPR

使用蒙特卡洛方法，将计算得到的各指标风险隶属度输入程序，根据已确定的三级指标划分，进行10 000次的重复试验，最大程度接近真实地获得各指标相对上一层指标的条件概率分布表。同样以准则层为例，计算得到的CPT如表10所示。

表9 指标风险隶属度

表10 准则层CPT

危险性脆弱性防范能力海外保障基地自然灾害风险高中低中高低0.3350.4890.176中中高0.1730.7980.029中中中0.032 90.934 20.032 9中中低0.013 20.822 10.164 7中低高0.173 60.491 40.335中低中0.037 80.627 20.335中低低0.040 50.4860.473 5低高高0.477 40.032 40.490 2低高中0.3350.1720.493低高低0.3350.0380.627 1低中高0.160 30.335 20.504 6低中中0.009 20.488 50.502 3低中低0.038 30.3350.626 7低低高0.167 60.018 80.813 6低低中0.041 20.179 40.779 3低低低0.027 90.027 90.944 2

3.2.2 网络模型结构

联合树推理法基于消息传递的原理，可以用于进行贝叶斯网络的推理（陈云，2015）。Netica软件利用这一原理，通过构建各级节点、确定指标评语集，将整个评估指标体系映射入贝叶斯网络各根节点对应判别层各指标，并通过有向线段指向其子节点。各节点根据指标的三级划分对应高、中、低三级风险隶属度，并将已经计算好的CPT输入网络中在评估过程中，通过数据统计和专家预测等方式，确定根节点指标各等级风险隶属度，输入后即可得到评估结果。

如图1所示，将基于情景模拟下的年平均各参数输入根节点后，最终评估得到的海外保障基地自然风险隶属度分别为高风险（49.6%），中风险（19.1%），低风险（31.4%），总体来看高风险隶属度较大，其次为低风险隶属度。

图1 情景模拟下海外保障基地自然风险评估

3.2.3 敏感性实验

利用贝叶斯网络模型，可以模拟不同情景下的海外保障基地自然环境风险。本文分别就7、8月份热带气旋高发时段以及在这一基础上设定阈值的情况下进行分别进行敏感性实验，调整初始参数和各指数变化柱状图如图2所示，设定阈值评估结果如图3所示。

图2 情景模拟7、8月份海外保障基地自然风险对比评估

基于模拟的7、8月份情景分析可知，高风险隶属度和中风险隶属度具有一定程度的增加。若设定海外保障基地自然高风险可控阈值为40%，利用已构建的贝叶斯网络的双向输出，则可修改子节点风险隶属度及调整防范能力双亲节点风险隶属度同时保持脆弱性指标的双亲节点不变，考虑到贝叶斯网络的有向无环性，危险性指标对防范能力指标不存在影响，从而只观察这一情况下防范能力双亲节点的风险隶属度变化。如图3所示，防污疏浚能力、后勤保障能力均有小范围的变化，反映为低风险隶属度的增大，其次为应急能力的变化，主要是高风险隶属度减小，低风险隶属度增大。同时合作类型的风险隶属度变化最大，反映为中风险隶属度减小，低风险隶属度增大。

图3 基于7、8月份设定阈值下的海外保障基地自然风险评估

4 结论

（1）以海外保障基地为研究对象，基于风险分析评估理论，构建了海外保障基地自然环境风险指标体系；利用犹豫层次分析方法计算各级指标风险隶属度，解决了专家打分过程中的群决策和决策偏好问题，进一步构建了海外保障基地自然环境风险的贝叶斯网络模型，较好地表达了评估对象各类风险要素之间的复杂关系，提高了评估过程的适用性和客观性。

（2）基于情景模拟，针对海外保障基地自然风险，计算得到海外保障基地的自然风险隶属度，实现了海外保障基地自然风险定量化评估，并模拟热带气旋高发的7、8月份和设定阈值的情景。评估结果显示，现有条件和自然状况下，我国建立海外保障基地的自然风险高风险隶属度相对较大，其次为低风险隶属度。在热带气旋的高发月份，受热带气旋危险指数、极端水位危险指数和高温闷热危险指数增大的影响，虽然大雾危险指数有一定程度的降低，但总的自然高风险隶属度进一步增大。若需增强防范能力以降低风险，不但要在固有防范能力且主要是应急能力上调整，更需加强与东道国的合作。

Aguaron J,Moreno-Jimenez J Ma,2003.The geometric consistency index:Approximated thresholds.European Journal of Operational Research.147(1):137-145.

Crawford G,Williams C,1985.A note on the analysis of subjective judgment matrices.Journal of Mathematical Psychology.29(4):387-405.

Fingar T.National Intelligence Assessment on the National Security Implications of GlobalClimate Change to 2030.[2008-09-02].http://www.dni.gov/testimonies/2008625_testimony.pdf

Xu ZS,Wei CP,1999.A consistency improving method in the analytic hierarchy process.European Journal of Operational Research.116(2):443-449.

陈云，2015.贝叶斯结构网络学习算法研究与应用.广州：广东工业大学，19-20.

发改委，外交部，商务部，2015.推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动.

何霄嘉，张九天，仉天宇，等，2012.海平面上升对我国沿海地的影响及其适应对策.海洋预报，29（6）：85-91.

胡乔木，1989.中国大百科全书（军事）.北京：中国大百科全书出版社，562.

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.

李爽，2008.大型社会活动安全风险评估指标研究.中国安全科学学报，18（9）：147-151.

史志富，张安，2012.贝叶斯网络理论及其在军事系统中的应用.北京：国防工业出版社，56-60.

孙德刚，邓海鹏，2012.海外军事基地的理论解析.国际论坛，14（6）：21-27.

托尔钦诺夫，1956.美国在国外的军事基地是对全世界人民和平和安全的威胁（姚嘉政译）.北京：新知识出版社，1.

杨理智，张韧，白成祖，等，2014.基于贝叶斯网络的我国海上能源通道海盗袭击风险分析与实验评估.指挥控制与仿真，36（2）：51-57.

殷洁，戴尔阜，吴绍洪，2013.中国台风灾害综合风险评估与区划.地理科学，13（10）：1370-1375.

张继权，李宁，2007.主要气象灾害风险评价与管理的数量化方法及其应用.北京：北京师范大学版社，109-115.

张洁，2015.海上通道安全和中国战略支点的构建-兼谈21世纪海上丝绸之路建设的安全考量.国际安全研究，2045（2）：100-118.

张韧，葛珊珊，洪梅，等，2013.气候变化与国家海洋战略——影响与风险评估.气象出版社，176-185.

周娟，2014.印度洋海平面变化特征研究.青岛：中国海洋大学，22-23.

朱斌，2014.基于偏好关系决策方法及应用研究.南京：东南大学，85-89.

Natural risk scenario simulation assessment of overseas support bases based on uncertain knowledge

JIANG De-liang,ZHANG Ren,GE Shan-shan

(College of Meteorology and Oceanography,National University of Devense Technology,Nanjing 211101,China)

Focusing on the natural risk faced by the overseas support bases,the paper structured the risk assessment system and the Bayes network model based on the risk identification,which used to make quantitative evaluation in scenario simulation.In order to solve the problem of deficiencies of group decision making and decision preference in the process of evaluation with Bayes network,the paper used the Hesitant Analytic Hierarchy Process to evaluate the risk memberships,improving the objectivity and applicability of the process.

risk assessment;overseas support bases;The Bayes network;Hesitant Analytic Hierarchy Process

F129.9

A

1001原6932（圆园17）05原园504原08

10.11840/j.issn.1001-6392.2017.05.004

2016-11-10；

2017-02-19

国家自然科学基金（41276088）。

姜德良（1992-），硕士研究生，主要从事军事海洋环境保障与评估研究。电子邮箱：yixiaoduanchang@126.com。

张韧，教授，博士生导师。电子邮箱：zrpaper@163.com。

（本文编辑：袁泽轶）