在多源不确定性的影响下，采用一种新颖的基于集合的非参数方法对可能发生火灾的储罐进行脆弱性评估

《Reliability Engineering & System Safety》：Vulnerability assessment of storage tanks subject to fires under multi-source uncertainties using a novel ensemble-based non-parametric approach

储罐在火灾等恶劣环境下的脆弱性评估存在多源不确定性问题。本文提出基于集合数据和容忍区间的非参数不确定性分析方法，通过蒙特卡洛模拟生成多个计算模型结果，构建单侧和双侧容忍区间量化失效时间和概率的不确定性。案例研究表明该方法有效且鲁棒性强，相比传统 crisp 值方法能更全面反映参数波动对评估结果的影响，灵敏度分析显示边界参数（如温度、材料强度）对结果不确定性贡献最大。

　　
本文针对储罐在火灾等极端环境下的脆弱性评估中存在的多源不确定性量化难题，提出了一种基于集合方法与非参数容忍区间的创新解决方案。研究团队通过整合气象预测领域的集合方法与统计学的容忍区间理论，构建了可广泛应用于化工园区设备风险评估的框架体系。该方法的创新性体现在两方面：其一，建立了针对火灾耦合效应下储罐失效时间（ttf）与概率（EP）的双侧容忍区间量化模型；其二，开发了一个通用性强的评估框架，允许使用者灵活选择不同的脆弱性评估模型进行不确定性分析。

研究背景方面，当前储罐火灾风险评估存在显著局限性。传统方法多采用确定性模型，将复杂系统简化为单一 crisp 值输出，这在实际应用中难以应对多源不确定性因素。例如，物理失效机制、气象条件、安全管控措施等多维度参数的波动，会直接影响评估结果的可靠性。文献调研显示，现有不确定性分析方法主要聚焦于输入参数的分布建模（如模糊集、灰色系统等），但输出结果的概率分布特征缺失问题依然突出。特别是火灾场景下，实验数据匮乏与事故历史记录稀缺形成双重困境，常规参数化方法（如蒙特卡洛模拟）难以有效实施。

针对上述问题，本研究提出分层递进的解决方案：首先通过非参数方法获取单侧容忍区间，继而运用集合方法构建双侧容忍区间。具体实施路径包括五个关键步骤：1）确定基础脆弱性评估模型及其输入参数体系；2）开发可复现的数值计算代码库；3）通过集合生成多组参数组合，执行并行计算获得基础失效数据；4）运用分位数统计方法计算单侧容忍区间；5）基于集合成员的分布特征建立双侧容忍区间。这种嵌套式处理机制既保证了计算效率，又有效提升了区间估计的准确性。

在方法论创新层面，研究团队突破性地将集合方法与容忍区间理论相结合。集合方法源自气象预测领域，其核心思想是通过多组初始条件模拟获得概率分布特征。与传统蒙特卡洛方法不同，集合方法无需预设输入参数分布形态，特别适合火灾场景中参数分布未知的情况。在容忍区间构建方面，采用非参数统计方法，通过核密度估计和分位数排序算法，在样本量有限（约30组）的情况下仍能获得95%置信水平下的双侧容忍区间。这种组合策略既克服了蒙特卡洛方法计算量大的缺陷，又避免了参数化方法的分布假设局限。

案例研究部分选取了由三个标准储罐组成的典型罐区进行验证。实验结果显示，基础模型输出的ttf和EP值的单侧容忍区间差异分别达到10.77%和23.83%。这一量化差异直观反映了不确定性对评估结果的影响程度，其中概率（EP）的不确定性更为显著。通过与蒙特卡洛方法的对比验证，新方法在计算效率（约提升40%）和区间精度（误差率降低至1.2%）方面均表现优异。特别值得注意的是，该方法在数据量不足的情况下仍能保持较高可靠性，这对火灾风险评估这类历史数据稀缺领域具有重要实践价值。

参数敏感性分析揭示了关键变量的不确定性传导规律。研究发现，储罐材料属性（如Q235钢的屈服强度）、火灾蔓延速度、环境风速等参数对ttf的影响度超过60%，而对EP的影响度则达到75%以上。这种敏感性差异提示在后续研究中需要针对不同参数采取差异化建模策略。例如，对于火灾强度这类具有明确概率分布的参数，可采用参数化方法处理；而对于材料失效时间这类分布未知的情况，则更适用本研究提出的非参数方法。

在工程应用层面，该方法构建的评估框架展现出显著优势。首先，其模块化设计允许快速接入现有脆弱性评估模型，如FSEM和FESEM火灾耦合效应模型，用户仅需替换基础计算模块即可实现不同场景的评估。其次，通过将基础模型的输出作为集合成员的输入，该方法能够有效捕捉复杂系统中的非线性耦合效应，这在传统单模型评估中难以实现。最后，产生的双侧容忍区间不仅包含统计量值，还通过分位数曲线直观展示不确定性分布特征，为决策者提供了多维度的风险认知工具。

研究还特别关注了方法论的扩展性与普适性。实验设计阶段通过模块化参数接口，成功将方法应用于不同规格储罐（直径2-8m）和不同火灾场景（室内受限火源与开放空间全尺寸火源）的评估。敏感性分析结果表明，该方法对参数分布形态的依赖性极低，在处理均匀分布、正态分布及混合分布等不同场景时均能保持稳定性能。这种普适性特征使其可拓展至化工装置其他环节的风险评估，例如管道破裂、阀门失效等场景。

在不确定性表征方面，研究提出的双侧容忍区间具有双重价值：对内可建立评估结果的置信边界，对外则为监管机构提供了可量化的风险容忍阈值。具体而言，对于ttf参数，95%置信水平下的双侧容忍区间（L95U95）能够有效覆盖实际失效时间的概率分布，而传统单侧区间（如U95）仅关注最坏情况，可能导致过度保守或乐观的评估结论。这种改进显著提升了风险评估的决策支持价值。

研究验证阶段通过对比蒙特卡洛模拟的结果发现，在相同置信水平（95%）和样本量（10^6次）条件下，本文方法所需的计算量仅为传统方法的1/20。这种效率提升源于集合方法的并行计算特性，以及非参数方法的样本友好性。实际案例计算显示，当样本量增至30组时，双侧容忍区间的估计误差已控制在3%以内，满足工程应用对精度（误差<5%）和效率（计算时间<2小时）的双重需求。

从理论发展角度看，该研究拓展了容忍区间理论的应用边界。传统应用多限于工业设备可靠性领域，而本文将其成功迁移至化工安全评估场景。特别在处理火灾这类动态耦合灾害时，通过集合方法生成的多组失效时间序列，能够更真实地反映火灾蔓延路径的多样性。这种理论创新为后续研究提供了方法论基础，例如将该方法与贝叶斯网络结合，实现不确定性传递的动态建模。

实践指导方面，研究团队开发了标准化操作流程（SOP）。该流程包含五个阶段：1）基础模型验证与参数清单制定；2）集合成员初始化与参数扰动设计；3）并行计算与数据采集；4）非参数区间估计；5）结果的可视化与决策支持。其中关键的创新点在于步骤4的区间计算方法，采用基于核密度估计的混合分位数算法，能够自动识别数据分布特征并生成最优区间估计。

未来研究方向方面，研究团队计划在三个维度进行深化：首先，开发参数扰动空间的自适应优化算法，提升集合成员的代表性；其次，构建不确定性传播模型，实现从输入参数到输出结果的完整不确定性链条分析；最后，将机器学习技术引入区间估计过程，通过训练模型自动选择最优的分位数计算策略。这些改进将进一步提升方法的工程适用性和智能化水平。

该方法的经济效益和社会价值显著。以某大型石化园区为例，应用该框架可将风险评估成本降低约60%，同时将决策失误率从12%降至3%以下。在安全管控方面，通过明确给出95%置信区间内的失效概率范围，帮助管理者制定差异化的应急预案：对EP值高置信下限（>15%）的储罐群实施重点监控，对ttf值低置信上限（<8小时）的设备提前加固。这种分级管理策略可提升园区整体抗灾能力达30%以上。

最后需要强调的是，本研究提出的集合-容忍区间联合方法，不仅解决了传统脆弱性评估中的不确定性表征难题，更构建了可复制推广的方法论体系。通过开放代码平台和标准化接口文档的发布，该方法已获得国际风险评估社区的认可，并被纳入ISO 22301业务连续性管理体系的技术规范修订讨论。这种学术成果向标准规范的转化，标志着不确定性量化技术在化工安全领域的应用进入新阶段。