基于贝叶斯网络的玻璃幕墙运维管控技术

0 引言

由于我国建筑业长期存在重建设、轻运营维护的弊端，城市建筑物在长期运营过程中累积了诸多安全隐患，致使安全运营事故频发，造成了巨大的生命和财产损失，已严重危害广大城镇居民的生命和财产安全。目前，在城市建筑安全运营保障技术方面，较多地停留在对结构的常规保养、结构检测、健康监测等方面的研究，对城市大型建筑物安全运营方面的研究极少，仍处于起步阶段。在建筑物运营期间，风险种类更多，涵盖的范围更广，而且没有明显的阶段性特征，无法完全采用施工过程的风险识别与评估方法。

当前，建筑运维阶段玻璃幕墙质量安全问题也越来越突出，各种幕墙玻璃自爆、固定连接件破坏、胶合材料破坏等问题屡见不鲜，已成为悬在人们头顶的“不定时炸弹”。本文提出基于贝叶斯网络的玻璃幕墙运维管控技术，通过案例库构建贝叶斯网络，利用贝叶斯网络的推理和诊断功能，梳理风险事件和风险因素的链状网络关系，形成玻璃幕墙运维风险事件的计算模型，结合风险因素的敏感性分析技术，对风险因素的影响程度排序，得到不同风险因素的重要度指标，为风险跟踪监测提供关键指标。

1 贝叶斯网络风险分析

1.1 贝叶斯网络理论

贝叶斯网络是一种表示变量间概率分布及关系的有向无环图（Directed Acyclic Graph，DAG）模型[1]。在此网络中，每个节点代表随机变量，节点间的有向边（由父节点指向其后代子节点）代表了节点间的依赖关系，每个节点都对应一个条件概率表（Conditional Probability Table，CPT），表示该变量与父节点之间的关系强度，没有父节点的用先验概率进行信息表达。贝叶斯网络的推理实质上是通过联合概率分布公式，在给定的结构和已知证据下，计算某一事件发生的后验概率P（X|E）。

1.2 贝叶斯网络概率推理

贝叶斯网络的概率推理就是利用贝叶斯网络解决实际问题的过程。通过概率计算，在贝叶斯网络模型给定的情况下，根据已知节点变量的概率分布，利用条件概率的计算方法，计算出所感兴趣的节点变量发生的概率。设所有随机变量集合为N，给定节点变量集合E为集合N的子集，其中E取值用e表达（假定为True或False），即E＝e。查询节点变量集合为Q，其值为qi。概率推理就是在给定E＝e时，条件概率计算式

贝叶斯网络推理分为因果推理和诊断推理。

（1）因果推理[2]：由原因推出结论，也称自顶向下的推理；已知原因，根据推理计算求出结果发生的概率。

（2）诊断推理[3]：由结论推出原因，也称自下向上的推理；已知发生了某些结果，根据推理计算找到造成该结果发生的原因和发生的概率。

1.3 敏感性分析

敏感性分析的目的是衡量贝叶斯网络中各风险因素对风险事件的影响，找出影响较大的风险因素，从而采取有效的措施减小这些风险因素的发生概率，以减小风险事件的失效概率[4]。针对城市大型建筑物安全运营的风险动态评估问题，结合贝叶斯网络的概率演化算法，以风险因素和风险事件的动态变化为参考量，定义风险因素j的敏感性评价指标Vj，计算式

式2中，Pi、Pi＋1分别为风险因素j在第i、（i+1）个状态下的发生概率；P（i）、P（i+1）分别为风险事件在第i、（i＋1）个状态下的失效概率。敏感性评价指标越高，相应的风险因素对风险事件的贡献越明显。

2 玻璃幕墙风险分析

以大型建筑运维阶段的典型风险“玻璃幕墙损坏”为例，根据案例库和有关数据资料，构建“玻璃幕墙事故”贝叶斯网络图，采用贝叶斯网络技术进行风险评估，计算出玻璃幕墙损坏发生概率，并对其风险事件各风险因素进行敏感性分析，确定关键风险因素，为跟踪监测提供关键指标。

2.1 “玻璃幕墙事故”贝叶斯网络

基于大型建筑运维安全“玻璃幕墙”事故案例，建立风险事件与风险因素、风险因素与风险因素之间的逻辑关系，并结合工程经验对其进行补充修正，构建“玻璃幕墙事故”贝叶斯网络图（如图1所示）。

该贝叶斯网络图的各个节点分为风险事件节点和三层的风险因素节点。风险事件为“幕墙损坏”；第一层风险因素为风险事件的直接原因，如“胶合材料老化”“玻璃自爆”和“固定连接件破坏”；第二层风险因素为造成第一层风险因素的原因，如“强度降低”“变形过大”和“老化失效”等；第三层风险因素为造成第二层风险因素的原因，如“持续高温”“火灾”和“温差过大”等。

2.2 玻璃幕墙损坏风险分析

根据“玻璃幕墙事故”贝叶斯网络图，利用Netica软件构建风险事件“幕墙损坏”的贝叶斯网络模型；结合案例库及各级风险因素的统计结果，计算出底层风险因素的发生概率（如表1所示）。由于案例库中风险事件案例有限且数据较为单一，部分风险因素的概率为0，为便于Netica建模和计算，忽略案例库中对幕墙损坏影响较弱的部分风险因素。

将表1中的风险因素概率值代入贝叶斯网络模型中，利用Netica软件计算出风险事件“幕墙损坏”发生的概率值为3.29%（如图2所示），这说明：在现有的设计、施工及运维管理水平下，玻璃幕墙仍然存在较高的安全风险，需引起足够的重视并采取有效的预控措施。

2.3 玻璃幕墙损坏敏感性分析

根据风险因素敏感性计算公式，要分析“幕墙损坏”各级风险因素敏感性，先要计算风险因素及风险事件在不同状态下的概率值，利用“计数—学习算法”[5]，分别计算不同权重各层风险因素和“幕墙损坏”风险事件的发生概率值；再结合风险敏感性公式，依次计算各风险因素的敏感性评价指标值（如表2所示）。

在“幕墙损坏”风险事件中，“质量缺陷”因素的敏感性评价指标最高，达到0.3967；“持续高温”风险因素的影响略低于“质量缺陷”，敏感性评价指标为0.3622；“老化失效”和“安装不当”因素的敏感性评价指标较小，分别为0.0154和0.0087。因此，“幕墙损坏”风险事件的动态管理中，“质量缺陷”和“持续高温”风险因素是重点监测对象。

3 运维风险控制措施

建筑运维风险识别和评估的目的是为了更好地了解风险事件及其风险因素，并采取针对性的预控措施和方法进行有效控制，防止风险事件概率提升，避免风险事件发生后果加重。在玻璃幕墙损坏风险识别及敏感性分析的基础上，针对性提出预防大型建筑安全运营风险事件发生的控制措施和方法，可提高风险管理效率（如表3所示）。

4 结语

基于贝叶斯网络的建筑运维安全风险评估技术和风险敏感性分析技术，可指导我们进行针对性的风险预控和风险跟踪，提高风险管理的效率，有效防止风险事件发生，避免因对所有风险因素进行跟踪处理而导致无效的风险处置投入。本文根据玻璃幕墙事件案例库，梳理风险事件和各级风险因素之间逻辑关系，结合工程经验对其补充修正，构建“玻璃幕墙事故”贝叶斯网络图，借助贝叶斯网络推理原理进行玻璃幕墙建筑运维安全风险动态评估，并对各级风险因素进行敏感性分析及排序，并针对性地提出有效管控措施。

参考文献：

[1]姜洲，丁保军，张立茂，等．基于贝叶斯网络的运营隧道渗漏水病害风险评估[J]．环境工程，2014（增刊1）：922-927．

[2]毕海普，司鹄．数值模拟在事故动态风险评估中的应用[J]．安全与环境学报，2014（5）：1-4．

[3]李伟生，王宝树．用于态势评估中因果推理的贝叶斯网络[J]． 计算机科学，2002（11）：50-52．

[4]马宗晋．以震灾为例论城市减灾纲要[C]．北京：城市公共安全与应急体系高层论坛论文集，2005：39-40．

[5]MURPHY K P. Dynamic Bayesian Networks: Representation, Inference and learning[D]. Berkeley:University of California,2002.