中国天然气供应风险响应研究

摘要 在能源低碳转型和供应风险冲击的双重影响下，天然气供应安全对各经济体实现能源安全和“双碳”目标至关重要。为探究风险频发背景下天然气供应安全问题，该研究首先基于天然气贸易数据构建全球天然气供应网络，通过计算机仿真并运用逾渗理论识别全球天然气核心供应网络。其次，构建基于复杂网络理论的改进级联失效模型模拟风险传递的动态过程，明晰风险传递路径。在此基础上，量化核心供应网络中主要天然气供应经济体减少供应时，作为核心供应网络中主要进口国的中国在不同情景下的天然气进口损失。结果表明：①当天然气供应网络遭受攻击时，其特征会发生明显变化，度中心性由高到低排名前16%的经济体构成全球天然气核心供应网络。②中国天然气进口损失，不仅随风险源经济体出口中国天然气数量的上升而上升，而且随价格指数涨幅和风险程度的增加而增加，风险程度增加造成的影响高于价格指数。③风险源为尼日利亚时，中国天然气进口损失最大。风险源为美国、俄罗斯和马来西亚时，在风险程度为50%情况下，中国天然气没有进口损失，而是获得更大的市场份额；在风险程度为35%和65%时，中国天然气存在进口损失。这意味着，要想降低外部风险对中国天然气供应的影响，一是要建立完备的风险防范与预警机制以实现对尼日利亚、美国等重要风险源经济体的动态监测和管控；二是要做好天然气市场预期管理以降低价格波动对天然气进口的影响；三是通过强化战略储备和参与全球治理等措施增强中国天然气进口风险抵御能力。研究结论有助于决策者制定有效的资源安全战略，以建立一个具有更高韧性的贸易体系，从而提高天然气供应的安全性和效率。

关键词 天然气；供应风险；响应；复杂网络；级联失效

中图分类号 F416；F746 文献标志码 A 文章编号 1002-2104（2024）09-0054-13 DOI：10. 12062/cpre. 20240514

随着气候变化问题越来越突出，全球应对气候变化的进程正在加速推进［1］。全球各经济体为实现碳达峰、碳中和目标（以下简称“双碳”目标）和保障能源安全，推动能源低碳转型是必要举措［2］。天然气作为清洁高效的低碳能源，对全球各经济体应对极端气候、实现能源低碳转型以及保障能源应急供应意义重大［3］。随着全球能源低碳转型带来的天然气需求激增，全球天然气消费量、产量和贸易量均出现不同程度的增加。根据BP统计年鉴，2021年全球天然气消费量较2020年增长4. 99%，产量同比增长4. 16%，贸易量上涨8. 22%。但2012—2021年全球天然气消费量年均增速为2. 26%，产量年均增速为2. 20%，天然气消费增速高于产量增速0. 06 个百分点，2021年全球天然气市场供需缺口约为290. 49亿 m3，全球天然气市场供需呈紧平衡状态，未来受极端天气的影响和新兴产业能源需求的拉动，全球天然气供需缺口将进一步增大［4］。在当前国际能源危机蔓延、新的地缘竞争加大、全球通胀压力持续和经济全球化遭遇逆流的大变局下，全球天然气供应安全存在极大的不确定性。一旦某天然气主要供应国因自然灾害、地缘政治冲突、运输中断等因素中断天然气供应时，极有可能形成级联效应，导致全球天然气供应网络的分割、破碎与崩溃，甚至诱发全球性的能源危机，威胁全球各经济体的能源安全。

中国作为全球天然气主要进口国和第三大天然气消费国，同时也是全球最大的碳排放国，在2060年前实现碳中和所面临的困难和阻力比其他发达国家更大。天然气作为中国实现“双碳”目标的关键资源，其供应稳定对中国实现能源低碳转型具有举足轻重的意义。然而，一方面中国天然气储量不足，尽管2022年受乌克兰危机影响，天然气消费较2021 年略有降低，但对外依存度仍达39. 9%。据中国科学院相关资料，预计到2030年，中国仍有1 200亿～1 700亿 m3的天然气供需缺口，需要依靠增加进口来满足需求；另一方面近年来天然气供应风险在发生频率和强度上都进一步增强。2018年1月下旬，从土库曼斯坦到中国的跨境天然气管道沿线天然气供应急剧减少，从2亿 m3降至0. 7亿 m3，导致中国东北地区用于供暖的天然气供应严重短缺。2019年7月，管道天然气供应在没有任何通知的情况下突然削减了42%［5］。如何在风险频发背景下保障天然气供应安全成为中国亟待解决的重要课题。

目前，关于天然气供应安全的相关研究比较丰富。现有研究普遍采用结构性的静态指标对天然气供应安全进行评价，比如Pavlović等［6］从能源强度、进口依存度等方面构建了天然气综合评价指标体系，对克罗地亚的天然气供应安全进行评价。Biresselioglu等［7］以23个天然气主要进口国为研究对象，运用主成分分析法评估了各国天然气供应安全，并指出供应国数量、供应商脆弱性和进口天然气总量是最有效的衡量指标。Wang等［8］基于企业−市场−政府的多主体博弈框架，构建了可耗尽的资源市场均衡模型评估中国天然气供应安全，并提出相应的安全组合策略。Xie等［9］基于主成分分析法，利用年度和月度数据，从供需和外部环境的角度对天然气长期和短期安全进行了全面研究。尽管静态指标能在一定程度上从多个维度反映天然气供应安全水平，但无法表征天然气供应在遭受风险冲击时的性能或响应。

一些学者运用生态网络分析、系统动力学和复杂网络等研究方法［10-13］，对天然气供应风险动态响应进行分析，如崔巍等［14］运用生态网络分析对中国天然气供应网络进行建模，从稳定性、节点贡献度和共生性3个维度对中国天然气供应安全水平进行评估，进一步从国外进口减少、国内产量增加及国内消费减少3个方面进行情景仿真，并从区域层面探究亚太等区域对天然气供应安全的异质性影响。Li等［15］基于生态网络分析的系统韧性评价方法，从静态和动态角度，探究中国天然气供应系统在不同情景下的韧性水平，发现增加气源的供应能力有利于提高系统的抗干扰能力和恢复能力。Ding等［5］运用系统动力学模型对风险进行仿真，评估了中国天然气系统在供应短缺情景下的韧性，并提出提高系统韧性的优化建议。Qian等［16］在构建投入-产出系统动力学模型的基础上，对中国天然气供应中断情景下的应急响应情况进行分析，发现2017 年天然气危机造成的经济损失总额为21. 76亿美元，并提出提高储量释放率和加强天然气基础设施的连通性可以有效地提高天然气供应系统的韧性。杨楠［17］运用复杂网络理论剖析了天然气管网的演化机制并探讨了天然气管网的韧性，发现在随机攻击状态下天然气管网表现出较强的韧性，蓄意攻击状态下韧性较弱。现有关于天然气供应风险响应的研究，多通过设置不同情景评估天然气供应风险水平和韧性，较少考虑风险在供应网络上的传递和流动信息［18］。吴奇［19］则考虑到风险流动信息，运用投入产出模型和Top网络分析方法，对共建“一带一路”国家天然气稀缺风险及其转移路径进行分析，发现天然气稀缺风险转移偏好呈地理近邻性特征，但仍未回答“风险如何在网络中进行传导”这一关键问题。级联失效模型可以有效解决风险在供应网络中的传导问题［20］，如汪金洲等［21］引入级联失效模型对复杂供应链网络模型的风险动态传播进行分析。当前，以级联失效模型展开的研究多集中于模型改进［21］及军事［22］、交通［23］、电力系统［24］等领域。

综上可知，部分学者已从多维层面构建指标体系，对天然气供应安全水平进行评价，但静态性的结构指标无法表征风险的冲击或响应问题。对此，部分学者采用生态网络分析、系统动力学和复杂网络分析等方法，探究不同情景下天然气供应系统韧性，并提出相应政策建议。但这些研究较少关注天然气供应风险的传导路径，也几乎未有文献探索天然气进口经济体在风险传导过程中进口损失情况。级联失效模型可以较好地处理风险传导等问题，但针对天然气的相关研究仍然较为少见。同时，考虑到天然气供应网络具备典型的无标度网络特征，即天然气贸易主要集中在少数经济体，大部分经济体处于天然气供应网络的边缘位置［25］。然而，现有文献普遍基于全部经济体展开研究，不仅数据量和计算量大，而且对问题的研究也不够聚焦［26-28］。一些学者选择部分经济体为研究对象展开分析，但选择普遍缺乏科学依据，主观性较强［29-30］。基于此，本研究首先基于天然气贸易数据构建全球天然气供应网络，采用计算机仿真模拟对天然气供应网络特征进行分析，在此基础上运用逾渗理论过滤掉天然气供应网络中大量的边缘节点，识别出全球天然气核心供应网络。其次，进一步构建多层天然气供应网络模型和风险传导路径，运用级联失效模型探究核心供应网络中主要供应经济体发生风险时，中国作为核心供应网络中的主要进口经济体，在风险传导过程中遭受的进口损失情况，以此来反映中国天然气供应风险的响应情况。本研究为进一步深入探讨天然气供应风险问题提供一种新思路，对中国抵御未来风险冲击、提前制定应对策略，保障天然气供应稳定、推动能源低碳转型及实现“双碳”目标意义重大。

1 研究方法与数据来源

1. 1 数据来源

目前天然气主要以管道天然气（PNG）和液化天然气（LNG）的形式进行贸易，根据联合国贸易数据库中的统计名目，选取2020年HS海关编码为271 111（LNG）和271121（PNG）的全球257个经济体之间天然气贸易数据，剔除无效数据，最终基于全球141个经济体共计456条天然气贸易数据构建全球天然气供应网络。值得注意的是，在联合国贸易数据库中进出口数据在相同贸易流方向上存在不一致的情况，本研究主要关注的是天然气主要供应经济体供应减少对主要进口经济体的影响。因此，统一使用出口数据开展研究［31-32］。数据来源于世界银行、Knoema数据中心和联合国贸易数据库。

1. 2 核心供应网络识别方法

已有研究表明，当网络遭受连续蓄意攻击时，网络会发生显著变化甚至走向崩溃［33］，在这个过程中，当受攻击比例达到何种程度会导致网络结构从“完整”迅速转为“崩溃”是本研究的重点，也是运用逾渗理论识别出核心供应网络的关键。目前，以网络效率、集聚系数等指标对网络遭受攻击时变化情况进行分析的研究已较为丰富［34-38］。参考段德忠等［37］、郭卫东等［38］的研究，从网络传输性、集聚性、连通性、度变化、节点变化和网络破碎程度方面选取指标，运用计算机仿真方法，对网络中的节点按照度中心性从大到小顺序依次进行攻击，分析此过程中全球天然气供应网络特征变化情况，并结合逾渗理论识别核心供应网络。

1. 2. 1 全球天然气供应网络特征指标

（1）平均路径长度。平均路径长度是指网络中任意两个节点之间的平均最短距离，通常用于衡量网络传输性［38］，网络平均路径长度越大，代表从一个节点到另一个节点的资源、信息扩散越慢，传输效率越低，反之则传输效率越强。在本研究中该指标表示天然气供应网络的传输效率和贸易流通情况。平均路径长度公式如下：

式中：L 表示平均最短路径长度，n 是节点总数量，vi是第i 个节点，vj 是第j 个节点，V = {v1，v2，v3…，vn}是节点的集合，d （vi，vj ）表示节点vi 和vj 之间的最短路径长度。

（2）集聚系数。集聚系数通常用来衡量网络的集聚性。天然气供应网络集聚系数越大，说明网络一体化程度越高，节点联系越紧密。集聚系数是节点vi 与其相连节点实际存在的连接边数和完全连接时总边数的比值之和与总节点的比值。集聚系数公式如下：

式中：H 表示集聚系数，n 表示节点总数量，ki表示节点vi 的邻接经济体的数量，ei表示节点vi 与邻接经济体产生的实际贸易关系。

（3）网络效率。网络中任意2个节点vi 和vj 之间最短路径长度的倒数，代表节点之间天然气贸易传输效率。网络效率U 是网络中所有节点之间效率的平均值，用于度量网络运转情况，网络效率越高表明网络连通程度和通达性越好。网络效率公式如下：

式中：U 表示网络效率，n 是节点总数量，V ={v1，v2，v3…，vn}是节点集合， d （vi，vj ）表示节点vi 和vj 之间的最短路径长度。

（4）网络平均度。该指标代表全球天然气供应网络节点度的平均数，网络平均度变化越大，网络越脆弱［38］。网络平均度公式如下：

式中：M 表示网络平均度，n 和mi 分别表示节点总数量和节点vi 的度中心性。

（5）孤立节点比例。孤立节点比例是指网络遭受攻击后网络中游离节点的比例，孤立节点占比越大，网络中游离节点越多，网络结构越分散，网络越接近崩溃。孤立节点比例是网络中孤立节点的数量与网络中总节点数量的比值。孤立节点比例公式如下：

N = δ/n（5）

式中：N 表示孤立节点比例，n 和δ 分别表示节点总数量和孤立节点数量。

（6）最大连通子图相对大小。最大连通子图相对大小是网络遭受攻击后网络被破坏程度最直接的体现［38］。

最大连通子图相对大小越小，表明网络被破坏程度越高，网络越破碎。最大连通子图相对大小公式如下：

G = σ/g（6）

式中：G 表示最大连通子图相对大小，g 和σ 分别代表初始网络大小和最大连通子图大小。

1. 2. 2 逾渗理论

全球天然气核心供应网络是由关键的天然气供应经济体及其天然气贸易流组成的网络，不仅具有良好的连接关系，而且保持着较高的网络密度，网络联结程度高。

逾渗理论能有效处理庞大无序系统中由于相互联结程度变化所引起的突变效应，该理论认为在庞大网络系统中随着联结程度，或某种密度、占比增加（或减少）到一定程度，网络内会突然出现（或消失）某种长程联结性，网络性质会发生突变［38］。在天然气供应网络遭受攻击时网络密度和结构会发生变化，引入逾渗理论可以有效识别核心供应网络。不同网络的逾渗阈值存在差异，如三角形、正方形、蜂房及连续区的逾渗阈值分别为0. 500、0. 593、0. 698和0. 500［38，40-42］。由于全球天然气供应网络基本符合无标度网络特性，参考Li等［40］、Newman等［43］的研究，无标度网络逾渗阈值（P）的核算方法如下：

P = ζ （λ - 1，f ）/ [ ζ （λ - 2，f ） - ζ （λ - 1，f ） ] （7）

式中：ζ 为Hurwitzzeta函数，λ 为网络度分布指数，f 为网络最小度。

1. 3 基于多层复杂网络理论的天然气供应网络模型

在充分考虑经济体贸易关系、产品供需关系和价格因素基础上，参考Hao等［29］、沈曦等［44］的研究，基于多层复杂网络理论构建包含贸易层、信息层和价格指数层的天然气供应网络模型，即基于天然气实际国际供应关系构建的贸易层网络Θ、基于各经济体间天然气竞争购买关系的信息层Ω 和价格指数层网络B，力求准确描述天然气国际供应网络。

1. 3. 1 基于单级产品的贸易层

贸易联系是最重要的风险传播途径之一［45-49］。由于天然气普遍以基础产品形式进行贸易，因此，基于单级产品对贸易层网络进行建模。贸易层网络为：

Θ = （V，Φ，Ψ ） （8）

式中：Θ 为贸易层网络；V = {v1，v2，v3…，vn}为天然气供应网络中节点集合，表示参与天然气贸易活动的经济体集合；Φ = {ϕij| i，j = 0，1，2，…n }为网络中节点连边的集合，连边为有向边，箭头方向代表天然气流动方向；ϕij代表节点vi 和vj 之间的贸易关系；Ψ ={ψij| i，j = 1，2，…，n }为边权重，用经济体天然气的实际贸易量表示。

1. 3. 2 信息层

全球天然气分布相对集中，为保障天然气供给和实现能源转型，经济体之间会进行资源争夺。因此，基于经济体之间的进口竞争关系构建信息层网络，以更准确模拟真实网络。信息层网络为：

Ω = （V，Γ，C） （9）

式中：Ω 为信息层网络；V = {v1，v2，v3…，vn}为节点的集合，表示参与天然气贸易活动经济体的集合，与贸易层网络相同。Γ = {γij| i，j = 1，2，3…n }为边集合，其中：当γij 为0时，表示vi 和vj 之间不存在天然气进口竞争；当γij为1时，表示vi 和vj 之间存在进口竞争关系，信息层所有边均为无向连边。C = {c1，c2，c3…，cn }为节点进口竞争力集合，表示在天然气市场供不应求情况下，各节点进口量分流比例。

受极端天气、乌克兰危机等事件影响，近年来天然气价格高涨。经济体对天然气进口价格的敏感性，一方面表示该经济体对天然气需求的刚性程度，另一方面反映该经济体在天然气进口方面是否具有竞争力。经济体天然气需求价格弹性系数较小，代表天然气价格上涨对该经济体天然气进口量影响较小，该经济体在风险冲击下具备较高的进口竞争力，仍能保持天然气的进口稳定。

因此，采用需求价格弹性系数表征各经济体对天然气的进口竞争力。参考成金华等［50］、沈曦等［44］的研究，各经济体天然气需求价格弹性系数的计算公式如下：

ln Ya = ln A + β2ln （Xa ） + β3ln （Za ） （10）

式中：Ya 为节点vi 第a 年的天然气进口量；A 为常数项；Xa为节点vi 第a 年的天然气的进口价格与居民消费价格指数（CPI）的比值，以消除经济增长和通货膨胀的影响；β2 为节点vi 天然气需求价格弹性系数；Za为第a 年的国内生产总值（GDP）；β3 为其回归系数。

1. 3. 3 价格指数层

地缘政治冲突等事件的发生常伴随着全球天然气价格的高涨，并通过经济体间贸易关系以价格波动的形式在网络上进行传播，进一步传递给供应网络中的各经济体。价格指数变动短期内会引起天然气供需变化，天然气供需改变也会影响天然气价格，随着价格和供需不断调整，最终达到平衡。价格指数层网络为：

B = （ p） （11）

式中：B 为价格指数层网络，p 是为天然气市场价格指数，代表市场中天然气价格变化，原始状态下p=1，表示风险未发生时天然气市场价格指数稳定。

1. 3. 4 层间映射关系

参考文献［44］，设定贸易层与信息层为“一对一”的节点映射关系F，信息层与价格指数层为“多对一”的节点映射关系J。由此，基于多层复杂网络理论的全球天然气供应网络模型NG 为：

NG = {Θ，Ω，B，F，J} （12）

如图1所示，假设全球天然气供应网络包括9个经济体，对应着贸易层和信息层中的9个节点，其中2个节点为天然气主要出口经济体，4个节点为直接与主要出口经济体存在贸易联系的经济体。当主要出口经济体减少供给时，与主要出口经济体存在贸易联系的经济体为直接受到供应短缺风险影响的经济体，与直接受影响的经济体存在贸易联系的3个节点，为间接受到供应短缺风险影响的经济体。贸易层中黄色和红色的边分别代表正常的贸易流和受到风险影响的贸易流，信息层的蓝色边代表经济体间的竞争关系，价格指数层的节点为全球天然气市场价格指数。

1. 4 基于改进的级联失效模型与风险传导规则

为进一步评估核心供应网络中主要供应经济体发生风险时，对网络中其他经济体所带来的进口损失，参考文献［44］，基于已构建的全球天然气供应网络模型，根据现实情境的风险传导特点，对传统级联失效模型进行改进，并构建风险传导规则。

1. 4. 1 模型改进与模型假设

（1）模型改进。级联失效模型被广泛用于风险传导分析，该模型主要包含3个因素：初始负载定义、节点容量设置和负载重分配策略［51］。传统级联失效模型通常假设系统负载和容量为固定值，并使用均匀分配等简单的负载重配原则，且设定当节点负载超过其负载容量时，该节点就会失效。但实际上当天然气主要供应经济体因受到地缘政治冲突等事件的影响减少了天然气出口时，主要进口经济体因主要供应经济体出口减少而进口减少，减少天然气出口的主要供应经济体即为风险源节点，其节点负载为出口减少量，其他受到影响的经济体为非风险源节点，其节点负载为进口损失量，随着风险在网络中不断扩散，天然气市场价格和供求关系发生变化，各经济体天然气进出口量即节点负载，会随风险传播而动态变化。而且根据实际情况，当主要供应经济体因突发事件影响减少天然气供给，产生供应短缺风险时，风险在供应网络上传导并不会导致受影响经济体的失效，而是使该经济体减少本土天然气出口以弥补进口不足或承担天然气进口损失。此外，当发生风险后，天然气供需失衡，价格升高，作为非风险源节点的主要供应经济体会加大天然气出口，新增的天然气量并非简单的均匀分配，而是根据各经济体进口竞争力进行负载重配。因此，需要对传统级联失效模型进行改进。

结合本研究内容，模型改进如下：

改进一：节点负载容量设为各经济体原始状态下的总进口量（非风险源节点）或者总出口量（风险源节点），节点负载定义为各经济体在风险传播过程中的进口损失量（非风险源节点）或者出口减少量（风险源节点）。同时设定在风险传播过程中各节点（经济体）不会失效，而是将风险影响转化为各经济体的进口损失量。

改进二：在初始状态下风险未发生，各经济体均处于正常贸易状态，未存在进口损失和出口减少，故设各节点初始负载为0。

改进三：根据各经济体天然气进口竞争力进行负载重新分配。

（2）模型假设。设定风险来源为某个主要天然气出口经济体，风险表现为风险源经济体出口减少，以贸易周期t 为时间单位，针对风险源经济体出口减少对天然气供应网络中其他经济体的影响，进行风险传导仿真模拟，量化经济体在风险传导过程中的进口损失。

模型假设如下：

假设一：设定天然气主要为卖方市场，天然气的实际需求在风险伊始至风险结束的过程中不会下降。

假设二：当全球天然气供应减少时，各经济体为优先保障本土天然气充分供给，将通过减少天然气出口以最大限度保障自身供给。

1. 4. 2 风险传导规则

第一阶段：基于上述假设，当某天然气主要出口经济体vi 受到风险程度为R 的突发事件影响时，减少了天然气出口，网络中便出现供应短缺风险。在第一个贸易周期t=1内，风险沿着贸易层网络中aahNA1w1koc1yQIcP+V/Kw==节点的连边关系，以进口缺额方式一层层地向下传导，由于风险源经济体与其他经济体之间贸易关系和贸易量的不同，各经济体受到影响的大小和顺序不同。如图2所示，天然气供应网络表现出以天然气主要供应经济体为圆心的、根据贸易关系进行分层排列的、内密外疏的同心圆网状结构。当处于最内层的红色风险源经济体减少天然气出口时，直接受影响的是与红色风险源经济体存在贸易连边的黄色非风险源经济体，间接受影响的是与黄色非风险源经济体存在贸易连边的紫色非风险源经济体，以此类推。

将天然气主要供应经济体存入集合D0，将直接受风险源经济体vi 出口减少影响的经济体存入集合D1，经济体vj 在第t 个贸易周期内的天然气进口缺额为ED1tj，计算公式如下：

ED1tj= R × D1vij （13）

式中：R 为风险程度，D1vij 表示D1中的经济体vj 在原始状态从风险源经济体vi 进口的天然气数量。

因进口缺额的存在，D1中受风险源经济体直接影响的经济体为保障自身天然气供给，根据风险程度大小相应的减少天然气出口，根据各经济体之间的贸易关系，由于D1中直接被影响的经济体减少出口，导致从D1中进口天然气的经济体进口量减少，将受到D1中经济体影响导致进口减少的经济体定义为间接遭受风险源经济体vi 影响的节点，并将其存入集合D2，此时经济体vj 的进口缺额为ED2tj。以此类推，ED3tj，ED4tj，…，EDntj，风险传播至天然气供应网络中的每个经济体。因网络中经济体之间复杂的贸易关系，各经济体可能同时被包含于多个Dn中，此时将对应的多个进口缺额相叠加，即为经济体vj 在t=1内的总进口损失E1j。同时，需要注意的是，当发生风险时，各经济体会优先减少本土天然气出口以满足自身需求，剩余进口缺额转化为对其他经济体的出口减少，若该经济体不出口天然气，风险无法向下传递，则进口损失将由该经济体全部承担。第一个贸易周期结束。

第二阶段：从第二个贸易周期t=2开始，因为全球天然气市场供需关系的改变，天然气的价格指数因需求大于供给按h 的比例上涨，即价格指数从1变为1+h，h 为价格指数上涨幅度。除风险源经济体vi 之外的其他天然气主要出口经济体，在价格指数上升的情况下，为抢占更大的市场份额采取扩大投资、提高生产效率等方法，按照扩产速率为α 的速度增加天然气的出口量。风险源经济体vi 在风险发生后也将采取风险补救措施，每期按产量恢复速率为ω 的速度恢复出口量［44］。根据天然气供应网络中各经济体的贸易关系，其他主要天然气出口经济体的出口增额，按照各经济体的进口竞争力进行分配，D1中经济体vj 所分配的份额为QD1 j，计算公式如下：

式中：S 为除风险源经济体vi 外其他主要天然气出口经济体的天然气总出口增量；uj 表示经济体vj 原始状态从其他主要天然气出口经济体进口天然气的总量；价格指数上涨幅度用h 表示；τj 代表经济体vj 的需求价格弹性系数。QD2 j，QD3 j，…，QDn j 与QD1 j 计算方法相同。

在第二个周期t=2内，经济体vj 进口缺额E2j因获得部分增额而减少：

E2j= E1j- QD1 j - QD2 j - … - QDn j （15）

随着其他主要天然气出口经济体的扩产以及风险源经济体vi 出口量的逐渐恢复，经过一个贸易周期的提升，天然气价格指数由1+h 下降至1+h-z，其中z 为天然气价格指数下降幅度。为简化计算，令z=（α+ω）/3，第二个贸易周期结束［44］。

第三阶段：重复第二阶段，直到经历t 个贸易周期，网络中天然气主要出口经济体的总出口量恢复到原始水平，风险传播结束，将经济体vj 在所有贸易周期中累计的进口损失占其原始状态下进口量的比例，定义为经济体vj在风险传播过程中的损失比例Wj，计算公式如下：

Wj = （E1j+ E2j+ … + Etj）/qj （16）

式中：Etj为经济体vj 在第t 个贸易周期内的进口缺额，qj 为经济体vj 在原始状态下的总进口量。当总损失Wj小于0时，表明经济体vj 在风险响应中遭受了进口损失；当总损失Wj等于0时，表明经济体vj 在此次风险响应中没有进口损失；当总损失Wj大于0时，表明经济体vj 在此次风险响应中不仅没有进口损失，反而通过其贸易竞争优势获得更大的市场份额。

2 全球天然气核心供应网络识别

全球天然气供应网络是由参与全球天然气贸易的各经济体及其贸易数据构成的，当各经济体及其贸易关系发生较大变化时，网络结构和性质也会改变。根据公式（1）—公式（6），运用计算机仿真模拟，按照度中心性顺序由大到小对参与贸易的各经济体进行连续攻击，得到各网络特征指标变化情况（图3），进一步结合逾渗理论识别全球天然气核心供应网络。

随着高度中心性经济体依次被攻击，网络特征指标发生显著变化。当网络被攻击比例达到6%时，集聚系数、平均路径长度和孤立节点比例近似实现交汇，此阶段集聚系数波动下降，最大连通子图被分割变小，网络中冗余路径损毁，平均路径长度随之大幅度下降，孤立节点比例持续上升，网络效率和网络平均度基本呈线性下降趋势，全球天然气供应网络受到严重冲击。当网络被攻击比例持续至16%时，网络效率、集聚系数和平均路径长度近似实现交汇，此阶段平均路径长度和集聚系数波动下降，最大连通子图相对大小呈阶梯式下降后降速放缓，孤立节点比例不断攀升后增长减缓，网络平均度和网络效率持续下降至拐点位置，意味着此过程网络分裂成诸多子网络，网络连通性变差，逐渐趋于碎片化。当网络被攻击比例达到27%时，集聚系数为0，孤立节点比例超过50%，网络效率、网络平均度、最大连通子图相对大小降至0. 01附近，与集聚系数在图3中近似实现交汇，平均路径长度到达最后一个峰值，此时网络连通性很差，网络濒临崩溃，整体网络已分裂成若干个不连通的子网络，当网络被攻击比例达65%时，整个网络完全崩溃，孤立节点比例为100%。

由于高度中心性经济体遭受攻击，使得全球天然气供应网络转向极不稳定的状态，当达到某一阈值时网络开始迅速分裂并走向完全崩溃，网络结构和特征会发生明显变化，并在曲线上出现显著突变点，即全球天然气供应网络存在由一定数量节点组成的核心供应网络，在核心供应网络未遭受大范围攻击时，全球天然气供应网络仍可正常运转。根据网络特征指标变化情况（表1），以网络被攻击比例为16%和27%的两个突变点作为判断核心供应网络的临界值。

结合公式（7）计算得出，全球天然气供应网络的逾渗阈值为0. 005。当网络被攻击比例在16%和27%时，网络密度分别为0. 006和0. 003，即当网络被攻击比例从16%上升至27%时，全球天然气供应网络的网络密度越过了其逾渗阈值，网络结构由“紧”到“疏”，核心供应网络特性凸显。当网络被攻击比例在16%之前，各网络特征指标呈大幅下降态势，网络被攻击比例在16%以后，各网络特征指标整体上均呈现缓慢下降趋势，可以认为受攻击的前16%经济体彼此关联构成核心供应网络。当网络被攻击比例达到27%时，孤立节点比例超过50%，最大连通子图仅包含2个节点，网络平均度、网络效率和集聚系数近似为0，平均路径长度到达最后一个峰值后下降至0，此时网络基本崩溃，仅有2个经济体存在贸易联系，碎片化程度很高，可以认为受攻击的前27%经济体构成全球天然气供应网络的整体网络，该比例为网络崩溃临界值，其他经济体相对处于全球天然气供应网络的边缘位置（图4）。

3 风险仿真及中国天然气进口损失评估

3. 1 风险仿真情景设计

3. 1. 1 需求价格弹性系数

以全球天然气核心供应网络为研究对象，根据联合国贸易数据库2020年天然气出口数据，2020年各经济体出口中国天然气总量共计1. 64亿 t，其中核心供应网络中的经济体出口中国天然气达1. 38亿 t，占全球出口中国天然气总量的84. 56%，从侧面印证了核心供应网络在全球天然气供应网络中的重要地位。在核心供应网络中，尼日利亚、马来西亚、美国和俄罗斯4个经济体出口中国的天然气量占整个核心供应网络出口中国天然气总量的99%，其他经济体仅占1%。因此，选择尼日利亚、马来西亚、美国和俄罗斯作为核心供应网络中的天然气主要出口经济体并依次作为风险源节点进行仿真模拟，量化当核心供应网络中主要出口经济体减少天然气供应时，核心供应网络中主要进口国中国遭受的天然气进口损失情况。

天然气供应网络中各经济体天然气需求价格弹性系数，是基于各经济体2011—2020年天然气贸易数据，运用Stata进行双对数线性回归计算得到，部分经济体的天然气需求价格弹性系数见表2。

3. 1. 2 情景及参数设计

通过查阅和评估过去与天然气有关的重大事件相关资料以及1997—2023年美国亨利中心天然气现货价格波动情况，参考Li等［15］和沈曦等［44］的研究，设定风险程度R分别为35%、50%和65%，以此来表征天然气历史上曾经发生的低风险程度的突发事件、中风险程度的突发事件和高风险程度的突发事件；设价格指数上涨幅度分别为15%、20%和25%，以此模拟天然气价格指数低幅度、中幅度、高幅度的上涨情景；通过对天然气月产量和天然气月价格变动趋势进行分析发现，受制于天然气资源开发限制，每当天然气价格发生剧烈波动时，天然气产量变动幅度明显小于价格变动幅度，且从时间上看略滞后于价格的变动，基于对现实情况的考量，设扩产速率α 为5%，产量恢复速率ω 为10%，经历4个贸易周期，通过Python编程进行36种风险情景仿真，参数设计见表3。

3. 2 供应短缺风险对中国天然气进口的影响

通过对不同风险情景进行仿真发现，中国天然气进口损失在不同情景下存在较大差异。结合2020年各经济体出口中国天然气数量情况，由图5—图8可以看出，风险源经济体出口中国天然气量越多，其发生风险时中国遭受的进口损失越大，而且中国天然气进口损失与价格指数、风险程度普遍呈现正向联系，即随着价格指数上涨幅度和风险程度的增加，中国天然气进口损失增大，表现为正向损失比例逐渐增加，负向损失比例（进口量增加）逐渐减小。此外，供给不足导致的价格波动对于中国天然气进口的影响相较于风险程度并不显著，这与中国天然气需求价格弹性较低的情况相符。

尼日利亚是中国2020年天然气最大进口来源国，当其减少天然气出口时，中国会率先遭受较为明显的进口冲击。因此，当风险源为尼日利亚时，中国天然气进口始终存在较大损失。其中，当风险程度为50%时，中国进口损失最小，主要原因是当风险程度为35%时，其他天然气主要出口国因风险程度较小，并不会盲目地加速扩产，此时，中国从其他非风险源经济体获取的天然气进口增额，并不会比风险程度为50%时的进口增额多，导致中国在风险程度为35%时的进口损失比风险程度为50%时更大。同时，尼日利亚也是2020年全球最大的天然气出口国，当其风险程度达到65%时，包括中国在内的其他非风险源经济体都将遭受巨大损失，此时尽管其他非风险源经济体提高效率扩大产量，但也会优先弥补本土天然气进口缺额，以满足国内生产生活需要，剩余部分再进行出口，也就导致此风险程度下中国能够获取的天然气进口增额低于风险程度为50%的情景。因此，中国在风险程度为65%时遭受的进口损失最大。此外，当风险源为尼日利亚时，中国遭受的进口损失远远高于其他经济体为风险源时的损失，表明当中国天然气最大进口来源经济体发生风险时，对中国天然气进口将造成巨大冲击和威胁。

当风险源为美国和俄罗斯时，在风险程度为35%和50%的情况下，中国天然气进口损失比例基本为负数，表明中国天然气进口量不降反增，主要是由于当美国、俄罗斯发生风险时，尼日利亚、马来西亚等非风险源主要出口经济体受到天然气价格上涨的影响而增加产量。2020年，中国从尼日利亚和马来西亚进口天然气约1. 29亿 t，是从美国进口天然气量的24倍和从俄罗斯进口天然气量的40倍。因此，尽管美国和俄罗斯减少天然气出口会直接导致中国天然气的进口损失，但由于中国在尼日利亚和马来西亚等经济体的天然气出口市场上占据大量市场份额，在尼日利亚、马来西亚等经济体增产的情况下，中国凭借其较高的进口竞争力能够获取更多的天然气进口，中国天然气进口不仅没有损失，反而获得了更大的市场份额。但当风险程度为65%时，作为全球天然气主要供应国和中国天然气主要进口来源国，美国和俄罗斯大量减少天然气出口对中国及其他经济体会产生较大冲击，使得中国不仅从美国和俄罗斯进口的天然气减少，从其他经济体进口的天然气也减少，因此，在此情景下，中国天然气存在进口损失。

当风险源为马来西亚时，在风险程度为35%情况下，当价格指数为15%时，中国天然气进口没有损失，反而略有增加；相同风险程度下，随着价格指数涨幅的上升，中国天然气进口出现损失并逐渐增大。当风险程度为50%时，中国天然气不存在进口损失情况，主要是由于马来西亚是核心供应网络中中国第二大进口来源国，与风险源为尼日利亚的情况类似。当马来西亚发生风险时，尼日利亚等非风险源主要出口经济体会因为天然气价格上涨而扩产，中国因其良好的进口竞争力在此过程中获得较大进口增额，从而弥补因马来西亚的出口减少所造成的进口缺额。当风险程度为65%时，中国天然气进口损失随天然气价格指数上涨幅度的增加而增大。

4 结论及建议

作为重要的“桥梁性”能源资源，天然气供应稳定对中国推动能源转型、保障能源供应安全、如期实现“双碳”目标意义重大。“双碳”目标和能源转型为中国天然气带来巨大需求，但地缘政治冲突等不确定事件加大了中国天然气供应中断风险。在满足能源低碳转型内源性需求与化解供应中断外源性风险的双重影响之下，中国迫切需要重新考察风险频发背景下天然气供应安全问题。对此，本研究首先基于天然气贸易数据构建全球天然气供应网络，采用计算机仿真模拟，按照度中心性大小由高到低对全球天然气供应网络中各经济体进行攻击，分析网络特征变化情况，并运用逾渗理论过滤掉网络中大量边缘节点，识别出核心供应网络。其次，从贸易层、信息层和价格指数层构建全球天然气供应网络模型，运用改进的级联失效模型模拟风险传递动态过程，构建风险传导路径。最后，运用风险仿真量化核心供应网络中主要供应经济体减少出口，中国在不同风险源、风险程度、价格指数上涨情景下的天然气进口损失情况。

通过仿真得出如下结论：①当天然气供应网络遭受攻击时，网络特征会发生明显变化，网络受攻击比例由16%上升至27%过程中，网络越过了逾渗阈值。根据度中心性由高到低排序，度中心性排名前16%的经济体构成核心供应网络，前27%的经济体构成整体网络，其他经济体相对处于网络边缘位置。②从不同风险源经济体看，风险源经济体出口中国天然气数量越多，其发生风险时中国天然气进口损失越大。从不同风险程度和价格指数上涨幅度看，中国天然气进口损失随着价格指数涨幅和风险程度的上升而增加，其中风险程度增加造成的影响大于价格波动对天然气进口的影响。③基于2020年天然气出口数据仿真分析发现，当风险源为尼日利亚时，中国天然气进口损失最大。当风险源为美国、俄罗斯和马来西亚时，在风险程度为50%的情况下，中国天然气没有进口损失，而是获得更大的市场份额，在风险程度为35%和65%时，中国天然气存在进口损失。

基于上述结论，提出以下政策建议。

一是保障全球天然气供应安全时，应着重提高天然气核心供应网络中各经济体应对风险冲击的能力，以精准高效地维护全球天然气供应网络的安全稳定，否则一旦这些关键经济体遭受风险导致供应中断，将对全球天然气供应网络造成严重影响，甚至引发全球性的能源危机。

二是当面临供应短缺风险时，中国需提高警惕并采取投放储备等必要措施稳定国内天然气市场价格及供应，切勿因自身较强的进口竞争力而忽视价格指数上涨对天然气进口损失的影响。当前，中国的天然气进口主要依赖长期合同，合同价格挂靠Brent及JCC原油价格，受到中国的需求状况、欧盟对俄油的禁运制裁、柴油供应的紧张程度、美国页岩油气的前景、美国战略石油储备释放的结束以及能源行业的资本支出等不确定因素的影响，国际油价保持高位，将导致中国长期合同的天然气进口价格上涨。中国是LNG现货和短约市场的主要买方，现货和短约合同价格过高，将导致资源进口量大幅减少，从而引发国内市场供需紧张。受持续高涨气价的影响，2022年中国天然气进口量为10 924. 8万 t，同比减少9. 9%。未来中国应持续加强宏观调控，建立气源多元化的进口合同机制，运用大数据等手段做好天然气市场的预期管理，最大程度降低价格指数上涨对天然气进口的不利影响。

三是当前国际形势复杂多变，风险发生的频率和强度都进一步增强，对中国天然气供应安全造成较大冲击。一方面，突发事件的多样性和耦合性使得当下风险识别和评估难度加大；另一方面，突发事件带来的严重后果跨域影响明显，针对单一类型事件和单一经济体的传统风险预警机制难以充分发挥作用，影响中国风险预警水平。当前中国应建立完善的智能化风险防范预警机制，尤其是针对中国天然气主要进口来源经济体进行实时风险监测并制定完备的应急预案，最大限度地降低主要进口来源经济体断供对中国天然气供应造成的冲击和不利影响。与此同时，及时追踪中国天然气贸易政策变动最新情况，根据政策走向，实时更新重点监测对象群体及相应的预警措施。此外，自乌克兰危机以来，全球天然气贸易格局发生重大转变，俄欧管道天然气交易量大幅走低，欧美LNG贸易关系空前加强，美国成为2023年全球最大的LNG 出口国，美国产量集中度与领导地位进一步加强。近年来，中美贸易摩擦不断，美国对中国在各领域的封锁愈发明显，对于美国这类在全球天然气供应网络中具有强大影响力的超级大国，中国不仅要防范其作为主要供应国产生的风险，更为重要的是预防受其政治影响的其他经济体主动或被动产生的供应风险。

四是加大中国天然气进口风险抵御能力建设，如持续巩固现有的天然气贸易伙伴关系并进一步拓宽进口来源渠道，提升国际天然气交易定价的主动性和话语权，加速推进国内油气资源勘探开发，强化天然气战略储备与储气设施建设，积极主动参与全球治理等，提升大国博弈下中国天然气供应风险应对能力。

参考文献

［1］ 刘亮. 发挥能源安全与社会公平协同效应助力“双碳”目标下能源转型［N］. 北京：中国石油报，2023-02-07（6）.

［2］ 周娜，吴巧生，王然，等.“一带一路”国家天然气投资绩效评价及其改进路径［J］. 中国人口·资源与环境，2017，27（7）：60-71.

［3］ 李孥，王建良，刘睿，等. 碳中和目标下天然气产业发展的多情景构想［J］. 天然气工业，2021，41（2）：183-192.

［4］ 郜峰，刘保磊，李茂林，等. 全球天然气发展趋势与启示［J］. 中国石油勘探，2022，27（6）：13-21.

［5］ DING Y T，ZHANG M，CHEN S，et al. Assessing the resilience ofChina's natural gas importation under network disruptions［J］. Energy，2020，211：118459.

［6］ PAVLOVIĆ D，BANOVAC E，VIŠTICA N. Defining a composite indexfor measuring natural gas supply security：the Croatian gas marketcase［J］. Energy policy，2018，114：30-38.

［7］ BIRESSELIOGLU M E，YELKENCI T，OZ I O. Investigating thenatural gas supply security：a new perspective［J］. Energy，2015，80：168-176.

［8］ WANG X L，QIU Y Y，CHEN J，et al. Evaluating natural gas supplysecurity in China：an exhaustible resource market equilibrium model［J］. Resources policy，2022，76：102562.

［9］ XIE M H，MIN J L，FANG X M，et al. Policy selection based on China'snatural gas security evaluation and comparison［J］. Energy，2022，247：123460.

［10］ YIN Y W，LAM J S L. Bottlenecks of LNG supply chain in energytransition：a case study of China using system dynamics simulation［J］. Energy，2022，250：123803.

［11］ 贺向宇. 基于复杂网络理论的我国天然气进口风险评价与防范［D］. 重庆：重庆工商大学，2022：15-23.

［12］ 段腾腾. 国际液化天然气贸易网络影响因素与抗毁性研究［D］. 大连：大连海事大学，2022：12-18.

［13］ YANG Z M，SU H，DU X K，et al. Supply resilience assessment ofnatural gas pipeline network systems［J］. Journal of cleaner produc‑tion，2023，385：135654.

［14］ 崔巍，康立成，魏文治，等. 基于生态网络分析的中国天然气供应安全评价［J］. 安徽工业大学学报（自然科学版），2022，39（1）：91-99.

［15］ LI X Y，SU H，ZHANG J J. A systematic assessment method ofsupply resilience for natural gas supply systems［J］. Chemical engineeringresearch and design，2022，182：207-215.

［16］ QIAN L P，BAI Y，WANG W Y，et al. Natural gas crisis，system resilienceand emergency responses：a China case［J］. Energy，2023，276：127500.

［17］ 杨楠. 基于复杂网络理论的天然气管网复杂性和鲁棒性研究［D］. 北京：中国石油大学（北京），2017：50-73.

［18］ CHEN Z H，AN H Z，AN F，et al. Structural risk evaluation of globalgas trade by a network‑based dynamics simulation model［J］.Energy，2018，159：457-471.

［19］ 吴奇. 基于复杂网络理论的“一带一路” 沿线国家天然气稀缺风险研究［D］. 镇江：江苏大学，2022：37-46.

［20］ 魏龙，党兴华. 基于组织-惯例的相依技术创新网络级联失效模型研究［J］. 管理评论，2017，29（11）：74-88.

［21］ 汪金洲，陈洪转. 基于复杂网络的复杂产品供应链风险传播模型［J］. 统计与决策，2021，37（4）：176-180.

［22］ 朱涛，常国岑，张水平，等. 基于复杂网络的指挥控制级联失效模型研究［J］. 系统仿真学报，2010，22（8）：1817-1820.

［23］ 刘朝阳，吕永波，刘步实，等. 城市轨道交通运输网络级联失效抗毁性研究［J］. 交通运输系统工程与信息，2018，18（5）：82-87.

［24］ FEKRI M，NIKOUKAR J，GHAREHPETIAN G B. Vulnerabilityrisk assessment of electrical energy transmission systems with theapproach of identifying the initial events of cascading failures［J］.Electric power systems research，2023，220：109271.

［25］ 杨鑫. 国际天然气贸易关系特征与演化规律分析［D］. 北京：中国地质大学（北京），2013：19-23.

［26］ GENG J B，JI Q，FAN Y. A dynamic analysis on global natural gastrade network［J］. Applied energy，2014，132：23-33.

［27］ HAO X Q，AN H Z. Comparative study on transmission mechanismof supply shortage risk in the international trade of iron ore，pigiron and crude steel［J］. Resources policy，2022，79：103022.

［28］ SHI Q，SUN X Q，XU M，et al.The multiplex network structure ofglobal cobalt industry chain［J］.Resources policy，2022，76：102555.

［29］ HAO H C，XING W L，WANG A J，et al. Multi‑layer networks researchon analyzing supply risk transmission of lithium industrychain［J］. Resources policy，2022，79：102933.

［30］ ZHOU X R，ZHANG H，ZHENG S X，et al.A study on the transmissionof trade behavior of global nickel products from the perspectiveof the industrial chain［J］.Resources policy，2023，81：103376.

［31］ SUN X，HAO H，LIU Z W，et al.Tracing global cobalt flow：1995-2015［J］.Resources，conservation and recycling，2019，149：45-55.

［32］ SUN X Q，SHI Q，HAO X Q. Supply crisis propagation in the globalcobalt trade network［J］. Resources，conservation and recycling，2022，179：106035.

［33］ 周霞，于娱，施琴芬.基于专利引用的通信芯片产业创新网络韧性研究［J/OL］. 软科学，（2024-01-30）［2024-05-10］.http：//kns.cnki.net/kcms/detail/51.1268.G3.20240129.1500.010.html.

［34］ 王诺，董玲玲，吴暖，等. 蓄意攻击下全球集装箱海运网络脆弱性变化［J］. 地理学报，2016，71（2）：293-303.

［35］ 吴迪，王诺，于安琪，等.“丝路” 海运网络的脆弱性及风险控制研究［J］. 地理学报，2018，73（6）：1133-1148.

［36］ JIN P F，WANG S G，MENG Z，et al. China's lithium supplychains： network evolution and resilience assessment［J］. Resourcespolicy，2023，87：104339.

［37］ 段德忠，刘承良. 随机故障、蓄意攻击与城乡路网空间稳定性：以武汉城市圈为例［J］. 长江流域资源与环境，2013，22（9）：1123-1132.

［38］ 郭卫东，钟业喜，冯兴华. 基于脆弱性视角的中国高铁城市网络韧性研究［J］. 地理研究，2022，41（5）：1371-1387.

［39］ 郭建科，郭姝，秦娅风，等. 中非集装箱航运网络演化及其对经贸联系的支撑能力［J］. 资源科学，2020，42（11）：2145-2157.

［40］ LI M，LIU R R，LÜ L Y，et al. Percolation on complex networks：theory and application［J］. Physics reports，2021，907：1-68.

［41］ NEWMAN M E J，ZIFF R M. Efficient Monte Carlo algorithm andhigh‑precision results for percolation［J］. Physical review letters，2000，85（19）：4104-4107.

［42］ JACOBSEN J L. High‑precision percolation thresholds and Pottsmodelcritical manifolds from graph polynomials［J］. Journal ofphysics A：mathematical and theoretical，2014，47（13）：135001.

［43］ NEWMAN M E J，STROGATZ S H，WATTS D J. Random graphswith arbitrary degree distributions and their applications［J］. Physicalreview E，2001，64（2）：026118.

［44］ 沈曦，郭海湘，成金华. 突发风险下关键矿产供应链网络节点韧性评估：以镍矿产品为例［J］. 资源科学，2022，44（1）：85-96.

［45］ CHEEWATRAKOOLPONG K， MANPRASERT S. Trade linkagesand crisis spillovers［J］. Asian economic papers，2014，13（1）：84-103.

［46］ RÜDIGER M. The 1973 oil crisis and the designing of a Danish energypolicy［J］.Historical social research，2014，39（4）：94-112.

［47］ HAIDAR J I. Currency crisis transmission through internationaltrade［J］. Economic modelling，2012，29（2）：151-157.

［48］ KUROIWA I，KUWAMORI H.Impact of the US economic crisis onEast Asian economies：production networks and triangular tradethrough Chinese mainland［J］.China & world economy，2011，19（6）：1-18.

［49］ KALI R，REYES J A. Financial contagion on the internationaltrade network［J］. Economic inquiry，2010，48（4）：1072-1101.

［50］ 成金华，刘伦，王小林，等. 天然气区域市场需求弹性差异性分析及价格规制影响研究［J］. 中国人口·资源与环境，2014，24（8）：131-140.

［51］ 段东立，吴俊，邓宏钟，等. 基于可调负载重分配的复杂网络级联失效模型［J］. 系统工程理论与实践，2013，33（1）：203-208.

（责任编辑：田红）

基金项目：国家社会科学基金重大项目“我国深海战略性资源勘探开发政策研究”（批准号：23&ZD107）。