一种海上风电桩基础施工风险评估方法及装置

本发明属于海上风电风险评估，具体涉及一种海上风电桩基础施工风险评估方法及装置。

背景技术：

1、随着绿色经济发展，海上风电建设也蓬勃发展。海上风电施工工程是一个施工难度大且程度复杂的系统工程，而在众多施工过程当中，海上风电桩基础风险在各种基础类型中占比达一半以上。在世界范围内，海上风电施工工程发生了许多事故，其中许多原因导致桩基础施工故障和事故。因此，对海上风电施工工程风险状况进行全面评估非常必要。

2、目前海上风电施工风险评估主要有定量分析法和定性分析法。在实际应用中，由于统计数据和知识不完全，定量分析缺乏代表性数据是其面临的主要挑战，给风险评估增加了很多不确定性。针对定性分析法，目前许多研究人员使用专家决策来获得更可信的风险评估结果，而由于人类的思维模式和认知方式，仍然存在不确定性。因此大量学者基于模糊集理论和云模型理论针对不确定性进行研究，发现云模型对不确定性的表达方面具有更优的精确性。而在云模型的整个评估过程中均使用精确的数字，但在表达结果时仅用云模型替换数字，这无法实现所需的不确定性表达。

技术实现思路

1、为解决现有技术的不足，实现降低风险评估不确定性表达，提高评估准确性，降低实际故障和事故的目的，本发明采用如下的技术方案：

2、一种海上风电桩基础施工风险评估方法，包括如下步骤：

3、步骤一：识别桩的基础施工风险因子，建立风险评估指标体系；

4、步骤二：构建云模型，将指标体系中定性概念转换为定量的数值表示，建立了云模型的相对重要性量表，专家组基于相对重要性量表建立比较判断矩阵；

5、步骤三：综合专家组的判断矩阵，建立主观权重云模型；

6、步骤四：根据步骤一所建立的风险评估指标体系进行数据采集；

7、步骤五：对采集的数据通过critic法计算客观权重，综合衡量指标的客观权重，生成指标客观权重云模型；critic法是一种客观评估方法，主要基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重，考虑指标变异性大小同时兼顾指标之间相关性，完全利用数据自身的客观属性进行科学评价；

8、步骤六：根据步骤三、五所得结果，生成指标主-客观权重云模型；

9、步骤七：基于主-客观权重云模型，生成指标的主-客观变权云模型，以建立桩基础施工风险状态云模型，制定风险预防、控制和恢复策略。

10、进一步地，所述步骤一中，通过事故因果分析，分类风险问题的相关因素，并逐级深入调查每个分支，直到找出可能的原因，建立一个包含一级、二级和三级指标的层次结构风险评估指标体系，一级指标代表了桩基础施工系统的整体风险状态，二级指标则表示导致系统风险的主要因素，三级指标进一步细化并找到造成系统风险的根本原因；该指标体系提供了一种全面、系统性的框架，可以更加准确地评估桩基础施工系统的风险状况，并针对不同级别的指标采取有效的风险控制措施。通过该指标体系，可以更好地保障系统运行的稳定性和安全性；

11、所述步骤二中，在指标体系中，专家经验知识以及云模型的计算用于确定第二级和第三级指标的权重；

12、所述步骤三中，综合专家组的判断矩阵，建立三级指标的主观权重云模型；

13、所述步骤五中，将采集的数据生成三级指标客观权重云模型；

14、所述步骤六中，根据步骤三、五所得结果，生成三级指标主-客观权重云模型；

15、所述步骤七中，生成三级指标的主-客观变权云模型。

16、进一步地，所述步骤二中，云模型中每个云由云滴组成，将定量领域中定性概念的中心值作为云滴在论域空间的期望ex，表示定性概念的特征，由定性概念的模糊性和随机性决定的熵en，表示定性概念不确定性范围的度量，超熵he是熵的度量，表示为云滴曲线的厚度，云模型通过期望、熵和超熵数值特征来整合评估过程的不确定性；通过正向云生成器使用ex、en和he生成云滴，包括如下步骤：

17、步骤2.1：根据实际研究问题获得有界区间，根据区间中心值得到ex：

18、步骤2.2：设定主要区间分布为定量域中定性概念的区间，将落在该区间之外的云滴忽略，得到en，定量域即指标体系中研究的范围；

19、步骤2.3：基于en，根据专家估计和实际情况设定常数he，由于线性关系，传统的he和en之间建立线性关系设定he的方法受到en值的强烈影响，不确定性程度可能不可控，因此，为了将风险评估过程中存在的不确定性保持在允许的水平内，采用专家估计和实际情况设定常数he；

20、步骤2.4：基于定量域中任一元素对应的模糊集，设定隶属度，用于描述元素隶属于定量域上的模糊集的程度。

21、进一步地，所述步骤2.4中，隶属函数如下：

22、

23、其中，u表示定量域，c是u的定性概念，元素x∈u为定量值，x是定性概念c的随机实现，隶属度μc(x)∈[0,1]表达式为：

24、

25、进一步地，基于正向云生成器，输入云特征参数和云滴数量，生成可视化云模型；由于个人偏好可能会导致误差，因此，通过改进的云ahp(analytic hierarchy process，层次分析法)算法，将云模型与传统ahp相结合，建立了云模型的相对重要性等级，专家通过量表来衡量每个指标的权重，每位专家两两比较建立起判断矩阵：

26、

27、aij＝cij(exij,enij,heij)

28、其中，i、j表示不同的指标，cij为云模型刻度，表示i、j谁更重要以及重要的程度，aij为矩阵元素，n表示指标数量。

29、进一步地，所述步骤三包括如下步骤：

30、步骤3.1：对各位专家判断矩阵进行算术平均化，得到专家组意见的算数均值：

31、

32、

33、

34、步骤3.2：对各位专家判断矩阵进行几何平均化，得到专家组意见的几何均值：

35、

36、

37、

38、步骤3.3：综合算数、几何平均值，得到综合判断矩阵；若有两个正实数x和y，则它们的算术-几何平均数计算步骤如下：先计算这两个数的算术平均数，称为a1；再计算它们的几何平均数，称为g1，重复这个步骤，便得到了两个数列an和gn；直到这两个数列都收敛于一个相同的数，这个数称为x和y的算术-几何平均数，记为agm(x,y)：

39、

40、

41、

42、步骤3.4：根据ahp和云模型的运算规则，算数-几何判断矩阵的每一行元素的乘积：

43、

44、

45、

46、步骤3.5：进行归一化计算，得到指标主观权重为：

47、

48、

49、

50、从而得到主观云权重模型：

51、

52、进一步地，所述步骤五中，对基于采集的数据构建评价矩阵，并对评价矩阵进行归一化，计算变异系数和相关系数，计算风险因子信息量与各属性指标的权重，将计算权重结果模糊化，得到客观云模型，客观权重计算步骤如下：

53、步骤5.1：m个现场人员对含有n个指标进行客观数据采集和判断，得到其评价矩阵：

54、

55、其中xij表示第i个现场人员对第j个风险因子客观评价；

56、步骤5.2：选取风险因子归一化，正向指标计算公式如下：

57、

58、若所用指标的值越小越好，则采用逆向指标计算公式如下：

59、

60、步骤5.3：变异系数计算，其公式如下：

61、

62、步骤5.4：相关系数矩阵计算，公式如下：

63、

64、其中，κij为风险因子间的相关系数，cov(yk,yl)为风险因子间的协方差，xk表示yk的标准差，xl表示yl的标准差，yk表示第k个指标数据采集的列矩阵，yl表示第l个指标数据采集的列矩阵；

65、步骤5.5：风险因子信息量计算公式如下：

66、

67、各属性指标的权重计算公式如下：

68、

69、其中，p表示风险指标个数；

70、步骤5.6：将计算权重结果模糊化，得到客观云模型，公式如下：

71、

72、进一步地，所述步骤六中，主观权重以专家经验为依托，缺少客观性；客观权重以现场施工数据为基础，却忽视了决策者的宝贵经验。为了充分利用两者各自的优势，同时规避其不足，充分发挥主-客观权重各自的优势，同时规避其不足，本发明引入一种优化模型，其公式如下：

73、

74、

75、

76、

77、其中，表示主观云模型期望权重，表示主观云模型熵权重，表示主观云模型超熵权重，表示客观云模型期望权重，表示客观云模型熵权重，表示客观云模型超熵权重，m表示风险指标个数；

78、最终得到主观-客观恒权重云模型：

79、

80、进一步地，所述步骤七中，对于桩基础施工风险评估，每个要素的状态值越大，风险就越严重，风险评估结果就越差。因此，本发明根据现场施工因素变化来修改常权：

81、w'＝w*(1+r)α

82、其中，w是传统的常权，r是修正系数，α是阈值，一般0≤α≤1；公式中，当w小于0.6时，修正系数r对应的是增长率，随着w的增加而逐渐减小；当w大于0.6时，修正系数r对应的是衰减率，随着w的增加而逐渐增加。

83、基于主-客观权重云模型，计算可变权重的期望ex、熵en、超熵he的权重，权重计算公式如下：

84、

85、

86、

87、一种海上风电桩基础施工风险评估装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现所述的一种海上风电桩基础施工风险评估方法。

88、本发明的优势和有益效果在于：

89、本发明的一种海上风电桩基础施工风险评估方法及装置，考虑了指标变异性大小的同时，兼顾指标之间相关性，完全利用数据自身的客观属性进行科学评价；更加准确地评估桩基础施工系统的风险状况，并针对不同级别的指标采取有效的风险控制措施；通过该指标体系，可以更好地保障系统运行的稳定性和安全性；采用专家估计和实际情况设定常数，将风险评估过程中存在的不确定性保持在允许的水平内；避免了个人偏好可能会导致的误差，最终提高了风险苹果的可靠性，从而提高评估准确性，降低实际故障和事故。