一種油田運營風(fēng)險高維評估方法
【專利摘要】本發(fā)明公開了一種油田運營風(fēng)險高維評估方法，步驟1)對風(fēng)險點數(shù)據(jù)進(jìn)行收集，將風(fēng)險點數(shù)據(jù)按照風(fēng)險發(fā)生可能性、事故等級、輿情影響程度、經(jīng)濟(jì)影響程度這4個指標(biāo)分別劃分為5個等級；2)選取油田運營過程中存在的風(fēng)險點來分析可能性和影響程度，并將計算數(shù)據(jù)繪制成影響程度的縱坐標(biāo)畫散點圖；3)對原始數(shù)據(jù)采用因子分析法提取有效信息降維，計算可能性與影響程度的因子得分，繪制因子風(fēng)險矩陣圖；4)采用聚類分析法定量確定風(fēng)險重要性準(zhǔn)則，對風(fēng)險矩陣圖進(jìn)一步優(yōu)化；5)對現(xiàn)有數(shù)據(jù)進(jìn)行降維定量分析，使用主成分分析法最后完成風(fēng)險排序。本發(fā)明所述的方法可通過增加刪節(jié)風(fēng)險點，針對性適應(yīng)不同油田的運營風(fēng)險評估，分析結(jié)果準(zhǔn)確，適宜推廣。
【專利說明】
一種油田運營風(fēng)險高維評估方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種油田風(fēng)險評估方法，特別是關(guān)于一種油田運營風(fēng)險高維評估方 法。
【背景技術(shù)】
[0002] 石油，被譽為工業(yè)的血液，在一個國家發(fā)展過程中占有舉足輕重的地位，國際油價 劇烈波動，為石化行業(yè)帶來了巨大的經(jīng)營壓力，越來越多的不確定性因素，要求油田企業(yè)必 須牢固樹立風(fēng)險意識，建立健全企業(yè)運營風(fēng)險管理體系，提升應(yīng)對各類內(nèi)外部風(fēng)險的能力 和水平，為油田企業(yè)持續(xù)發(fā)展提供保障。為了保證我國油田企業(yè)的健康、快速發(fā)展，這就要 求油田企業(yè)必須有一個穩(wěn)定、健康的運營環(huán)境，因此對油田企業(yè)運營風(fēng)險的研究就顯得具 有非常重要的現(xiàn)實意義。
[0003] 當(dāng)前，在油田及其相關(guān)產(chǎn)業(yè)的運營風(fēng)險分析中，國內(nèi)外有過一定的研究，并取得了 一些成果，如陳記超的碩士論文《基于因子分析法的油田企業(yè)運營風(fēng)險評估模型構(gòu)建與應(yīng) 用研究》，申請?zhí)枮?01510096604.5的申請中發(fā)明專利《矩陣化的油田安全責(zé)任劃分方法》， 申請?zhí)枮?01410642196.4的申請中發(fā)明專利《一種石油化工碼頭儲罐區(qū)火災(zāi)爆炸風(fēng)險評估 方法》，但現(xiàn)有的方法主要是采用原始風(fēng)險矩陣法，通過將風(fēng)險與等級劃分的模式，按照重 要性準(zhǔn)則對風(fēng)險進(jìn)行定性，由于油田運營存在的不可控因素較多，采用前述風(fēng)險評估方法 存在誤差較大、不確定性強(qiáng)、難標(biāo)準(zhǔn)化的問題，其計算結(jié)果較為粗糙，難以實現(xiàn)精確定量分 析，無法做到按照風(fēng)險高低進(jìn)行較準(zhǔn)確排序，得到的結(jié)果對于油田運營的指導(dǎo)價值有限，無 法達(dá)到實際需求。因此，有必要提出一種能夠?qū)τ吞镞\營做出較準(zhǔn)確評估的方法或指標(biāo)，來 滿足油田生產(chǎn)風(fēng)險控制的要求。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有存在的技術(shù)問題，本發(fā)明的目的在于考慮上述問題而提出一種高維風(fēng) 險優(yōu)化評估方法，它能更好的滿足運營的可靠性及經(jīng)濟(jì)性要求，為運營方案的改進(jìn)提供良 好指導(dǎo)。
[0005] 本發(fā)明的技術(shù)方案是基于優(yōu)化風(fēng)險矩陣法提供的油田運營風(fēng)險評估，包括以下步 驟：
[0006] 1)對風(fēng)險點數(shù)據(jù)進(jìn)行收集，將收集到的風(fēng)險點數(shù)據(jù)按照風(fēng)險發(fā)生的可能性、事故 等級、輿情影響程度、經(jīng)濟(jì)影響程度這4個指標(biāo)分別劃分為5個等級，進(jìn)行專家打分，并按照 專家職位進(jìn)行分類，將數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析；
[0007] 2)選取油田運營過程中存在的123個風(fēng)險的點來分析可能性和影響程度，步驟1所 述的4個指標(biāo)分析，"影響程度"由事故等級、輿情影響程度、經(jīng)濟(jì)影響程度加權(quán)計算得到，并 將計算數(shù)據(jù)繪制成影響程度的縱坐標(biāo)畫散點圖；
[0008] 3)對原始數(shù)據(jù)采用因子分析法提取有效信息降維，計算風(fēng)險點可能性和影響程度 因子得分，并將可能性作為橫坐標(biāo)，風(fēng)險影響程度作為縱坐標(biāo)，繪制因子風(fēng)險矩陣圖；
[0009] 4)采用聚類分析法定量確定風(fēng)險重要性準(zhǔn)則，將風(fēng)險等級分為重大、重要、一般三 個級別，對步驟3中的風(fēng)險矩陣圖進(jìn)一步優(yōu)化；
[0010] 5)使用主成分分析法排序，對現(xiàn)有數(shù)據(jù)進(jìn)行降維，利用原變量之間的相關(guān)關(guān)系，用 較少的新變量代替原來較多的變量，并使這些少數(shù)變量盡可能多的保留原來較多的變量所 反應(yīng)的信息，并將變量進(jìn)行定量分析，得出最后的分析結(jié)果。
[0011] 進(jìn)一步的，所述步驟1中，將風(fēng)險發(fā)生的可能性(Xi)、事故等級(X2)、輿情影響程度 (Χ3)、經(jīng)濟(jì)影響程度(Χ4)分別分為5個等級，進(jìn)行專家打分，并將所有專家打分的調(diào)查表按照 專家所處的級別和職位，進(jìn)行描述性統(tǒng)計，用于確定不同級別和職位對風(fēng)險點認(rèn)識的偏差 值。
[0012] 進(jìn)一步的，所述步驟2中，將油田運營過程中存在的123個風(fēng)險點初步劃分為風(fēng)險 點在風(fēng)險發(fā)生的可能性、事故等級、輿情影響程度、經(jīng)濟(jì)影響程度，其中風(fēng)險的影響程度由 事故等級、輿情影響程度、經(jīng)濟(jì)影響程度的均值來定量計算;將計算結(jié)果以風(fēng)險可能性為第 二因子作為橫坐標(biāo)，風(fēng)險影響程度為第一因子作為縱坐標(biāo)畫出散點圖。
[0013] 進(jìn)一步的，所述步驟3中，把一些信息重疊、具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù) 幾個不相關(guān)的綜合因子進(jìn)行多元統(tǒng)計分析，寫出因子分析模型：通過因子分析模型計算因 子得分函數(shù)的第一因子和第二因子數(shù)據(jù)。步驟如下：
[0014] 因子模型為：
[0016] 這里&彳2，···，匕就是因子，根據(jù)油田信息，多維指標(biāo)(此處為4維)需降為2維，這里 m = 2，根據(jù)觀察矩陣求出載荷矩陣，再求出因子得分。步驟如下：
[0017] 1)計算相關(guān)系數(shù)矩陣
[0019] rij (i，j = 1，2，…，p)為原變量Xi與Xj的相關(guān)系數(shù)，rij = rji，其計算公式為
[0021] 2)計算特征值與特征向量
[0022] 解特征方程|AI-R|=〇,常用雅可比法(Jacobi)求出特征值，并使其按大小順序排 列 λι 2 入2 2 …2 λρ > 〇 ;
[0023]分別求出對應(yīng)于特征值A(chǔ)i的特征向量ei( i = 1,2,…，ρ)，要求I |ei| 1=1，即
_，.其中eij表示向量ei的第j個分量。
[0024] 3)計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率
[0027] 一般取累計貢獻(xiàn)率達(dá)85 % -95 %的特征值，λ:，λ2，…，對應(yīng)的第1、第2、…、第m (m<p)個主成分。
[0028] 4)計算因子載荷陣
[0030] 5)計算因子得分
[0031 ] fi = bi〇+biiXi+bi2X2+-,,+bipXp(i = 1,2)
[0032] 6)坐標(biāo)變換：
[0033]以a為原始數(shù)據(jù)第一因子的最低得分，b為原始數(shù)據(jù)第一因子的最高得分，c為變換 后第一因子的最低得分即為〇，d為變換后第一因子的最高得分即為5，x為風(fēng)險點第一因子 得分，V為風(fēng)險點第一因子坐標(biāo)變換后得分，則計算公式為
[0034] 第二因子計算方法和第一因子相同，并將結(jié)果繪制成因子風(fēng)險矩陣圖。
[0035] 進(jìn)一步的，所述步驟4中，采用聚類分析法定量確定風(fēng)險重要性準(zhǔn)則，先假定各個 樣本各自成一類，這時各類間的距離就是各樣本之間的距離，將距離最近的兩類合并成一 個新的類;再計算新類與其它類間的距離，將距離最近的兩類合并，如此每次縮小一類，直 至所有的樣品都成為一類為止。然后根據(jù)需要或者根據(jù)給出的距離臨界值(閾值)確定分類 數(shù)及最終要分的類將風(fēng)險等級分為重大、重要、一般三個級別，對步驟3中的風(fēng)險矩陣圖進(jìn) 一步優(yōu)化，其聚類分析計算步驟為：
[0036] 1)各樣本分別成一類，計算各樣本之間的距離，并將距離最近的兩個樣本合并成 一類，這里的距離采用歐式距離
[0037] 2)選擇并計算類與類之間的距離，并將距離最近的兩類(記為GP，Gq)合并為新類G r 新類與其他類之間的距離采用中間距離，計算公式為： 的個數(shù)大于1，則繼續(xù)并類，直至所有樣本歸為一類為止；
[0038] 3)按照分類標(biāo)準(zhǔn)，得出分類結(jié)果，形成風(fēng)險點聚類結(jié)果表格，表中類別中1代表是 重要風(fēng)險，2表示重大風(fēng)險，3表示一般風(fēng)險。
[0039] 進(jìn)一步的，所述步驟5使用主成分分析法，把原來多個變量劃為少數(shù)幾個綜合指標(biāo) 的一種統(tǒng)計分析方法，對現(xiàn)有數(shù)據(jù)進(jìn)行降維，利用原變量之間的相關(guān)關(guān)系，用較少的新變量 代替原來較多的變量，并使這些少數(shù)變量盡可能多的保留原來較多的變量所反應(yīng)的信息， 并將變量進(jìn)行定量分析，得出最后的分析結(jié)果。
[0040]主成分分析模型：
[0045] rij (i，j = 1，2，…，p)為原變量xi與xj的相關(guān)系數(shù)，rij = rji，其計算公式為
[0047] 2)計算特征值與特征向量
[0048] 解特征方程|AI-R|=〇,常用雅可比法(Jacobi)求出特征值，并使其按大小順序排 列 λι 2 入2 2 …2 λρ > 〇 ;
[0049] 分別求出對應(yīng)于特征值A(chǔ)i的特征向量ei( i = 1,2,…，ρ)，要求| |ei| |=1，即
，其中eij表不向量ei的第j個分量。
[0050] 3)計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率
[0053] 一般取累計貢獻(xiàn)率達(dá)85%-95 %的特征值，λ:，λ2，…，對應(yīng)的第1、第2、…、第m (m<p)個主成分。
[0054] 4)計算主成分載荷
[0055] eij = lij(i , j = l ,2,··· ,ρ)
[0056] 5)綜合排序
[0057]將得到的貢獻(xiàn)率最高的兩個特征值11和\2用于計算因子載荷和特征值的特征向 量，用因子載荷和特征值的特征向量求出主成分Yi
即可求出每一 個主成分的權(quán)重ω i，將YjP ω i代入方程式F= ω di+ω 2Y2，計算出每一個風(fēng)險點的綜合得 分并按照得分高低排序，以此得出最終定量的分析結(jié)果。
[0058]本發(fā)明的有益之處在于：
[0059] 本發(fā)明一種安全風(fēng)險評估模型、評估方法及評估參數(shù)確定方法的有益效果在于：
[0060] (1)本發(fā)明的評估模型將風(fēng)險發(fā)生的可能性(Χ〇、事故等級（Χ2)、輿情影響程度 (Χ 3)、經(jīng)濟(jì)影響程度(Χ4)作為對象進(jìn)行分析，并將風(fēng)險點的4維數(shù)據(jù)降為2維數(shù)據(jù)，2維數(shù)據(jù)為 風(fēng)險點的可能性和風(fēng)險的影響程度，再采用因子得分計算出風(fēng)險的可能性和風(fēng)險的影響程 度，最后進(jìn)行風(fēng)險矩陣評估，比傳統(tǒng)的風(fēng)險矩陣法的二維分析更加精確，區(qū)分度更大；
[0061] (2)采用聚類分析法定量確定風(fēng)險重要性準(zhǔn)則，定量比定性好，客觀找出風(fēng)險重要 性準(zhǔn)則。
[0062] (3)基于所述主成分綜合評價法定量排序，其指標(biāo)體系完整，能將重大風(fēng)險、重要 風(fēng)險、一般風(fēng)險進(jìn)一步細(xì)劃出本級別的由高到低的風(fēng)險排序，分析結(jié)果與現(xiàn)場的實際風(fēng)險 情況更吻合。
【附圖說明】
[0063]圖1為原始數(shù)據(jù)風(fēng)險圖；
[0064] 圖2為變換后兩個因子的得分風(fēng)險圖；
[0065] 圖3為優(yōu)化風(fēng)險矩陣圖。
【具體實施方式】
[0066] 下面結(jié)合附圖中的實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明，但并不構(gòu)成對本發(fā)明的 任何限制。
[0067] 實施例：
[0068]以中石油某油田區(qū)塊為例，將每個風(fēng)險點的可能性和影響程度設(shè)為4個指標(biāo):風(fēng)險 發(fā)生的可能性(Xl·)、事故等級(χ2)、輿情影響程度(χ3)、經(jīng)濟(jì)影響程度(Χ4)，并將這4個指標(biāo) 分別分為5個等級，對本區(qū)塊的不同崗位人員進(jìn)行分層抽樣和隨機(jī)抽樣相結(jié)合的方式，油氣 運銷部領(lǐng)導(dǎo)4人，安全總監(jiān)1人，安全科長1人，安全科管理人員3人，站領(lǐng)導(dǎo)4人，站內(nèi)各班組 組長7人，各個操作崗位操作人員10人，油氣運銷部員工16人，油氣運銷部相關(guān)科室工作人 員13人，其中處級干部6份，科級干部14份，技術(shù)人員39份，共計59份調(diào)查表。
[0069]對數(shù)據(jù)進(jìn)行按不同職位均值描述性統(tǒng)計，Xij(i = 1，2···，123j = 1，2，3，4)表示員工 在第i個風(fēng)險點對第j個指標(biāo)的打分，從所得數(shù)據(jù)可知，不同級別員工對同一個風(fēng)險點的同 一個指標(biāo)的均值相差不大，對風(fēng)險點的風(fēng)險可能性和風(fēng)險影響程度的認(rèn)識較為一致。
[0070]如圖1所示，采用風(fēng)險的可能性和影響程度制作矩陣圖，橫坐標(biāo)一般為風(fēng)險發(fā)生的 可能性，縱坐標(biāo)一般為風(fēng)險的影響程度。本站中123個風(fēng)險點的四個風(fēng)險指標(biāo)分別為風(fēng)險點 在風(fēng)險發(fā)生的可能性、事故等級、輿情影響程度、經(jīng)濟(jì)影響程度，其中風(fēng)險的影響程度可用 事故等級、輿情影響程度、經(jīng)濟(jì)影響程度來定量計算，即這三個指標(biāo)的均值來刻畫影響程 度，以風(fēng)險可能性為橫坐標(biāo)，風(fēng)險影響程度為縱坐標(biāo)畫散點圖，對風(fēng)險點進(jìn)行觀察。
[0071 ]如圖2所示，采用因子分析法，假定有η個樣本，每個樣本共有p個變量，構(gòu)成一個η Χρ階的觀察數(shù)據(jù)矩陣，
[0075] rij (i，j = 1，2，…，ρ)為原變量Xi與Xj的相關(guān)系數(shù)，rij = rji，其計算公式為：
[0077] 對特征值與特征向量進(jìn)行計算，解特征方程|AI-R| =〇,用雅可比法(Jacobi)求出 特征值，并使其按大小順序排列λχ 2 λ2 2…2 λρ 2 〇;分別求出對應(yīng)于特征值\1的特征向量ei (1 = 1，2，~4)，要求|^||=1:
，其中eij表示向量ei的第j個分量。
[0078] 將上述數(shù)據(jù)用于計算123項風(fēng)險點各自的貢獻(xiàn)率及累計貢獻(xiàn)率，
[0081 ] 取累計貢獻(xiàn)率達(dá)85 %-95%的特征值人:，λ2，…，對應(yīng)的第1、第2、…、第m(m < ρ) 個主成分，則提取m個因子，分別為fi，f2，…，fm。
[0082] 計算因子載荷矩陣，因子載荷矩陣即為?=(1υ)ρΧω(? = 1，2,…，p j = l，2,…，m)
[0083] 因子模型計算公式為：
[0085]將根據(jù)原有變量的相關(guān)系數(shù)矩陣，采用主成分分析法提取因子，計算結(jié)果如表1所 不。
[0086] 表1方差貢獻(xiàn)率
[0087]
[0088]由表1可以看出，第一個因子的特征值為2.818,解釋了原有四個變量總方差的 70.454%，累計方差貢獻(xiàn)率為70.454% ;第二個因子的特征值為0.893，解釋原有4個變量總 方差的22.330%，累計方差貢獻(xiàn)率為92.783%。前兩個因子的方差貢獻(xiàn)率達(dá)到了90%以上， 因此提取前兩個因子，計算情況如表2所示。
[0089]表2因子載荷矩陣
[0090]
[0091] 表2顯示了因子載荷矩陣，第二因子在風(fēng)險發(fā)生的可能性上的載荷比較大，表明第 二因子表示是風(fēng)險發(fā)生的可能性;第一因子在事故等級、輿情影響程度、經(jīng)濟(jì)影響程度上的 載荷比較大，表明第一因子表示風(fēng)險的影響程度因子。根據(jù)表2寫出因子分析模型：
[0092] 風(fēng)險發(fā)生的可能性= -0· 435*5+0 · 897*ft;
[0093] 事故等級= 0.902*fi+0.273*f2;
[0094] 輿情影響程度=0 · 940*f i+O · 034*ft;
[0095] 經(jīng)濟(jì)影響程度=0 · 965*f i+O · 116*ft;
[0096] 采用回歸法估計因子的得分矩陣，并得到因子得分系數(shù)，如表3所示。
[0097]表3因子得分系數(shù)
[0098]
[0099] 將表3得到的數(shù)據(jù)代入得到因子得分函數(shù)計算公式：
[0100] ?! = -0.154*風(fēng)險發(fā)生的可能性+0.320*事故等級+0.334*輿情影響程度+0.343* 經(jīng)濟(jì)影響程度；
[0101] F2 = 1.004*風(fēng)險發(fā)生的可能性+0.306*事故等級+0.038*輿情影響程度+0.130*經(jīng) 濟(jì)影響程度；
[0102] 通過上式，123項風(fēng)險點均得到了它們自己的第一因子Fi(影響程度)和第二因子F2 (可能性)數(shù)據(jù)，部分計算結(jié)果如表所示：
[0103] 表4變換后兩個因子得分(部分）
[0106]如圖2所示，得到以變換后的第二因子(風(fēng)險的可能性)為橫坐標(biāo)，變換后第一因子 (風(fēng)險影響程度)為縱坐標(biāo)繪制風(fēng)險圖，風(fēng)險點區(qū)分度相對于變換前更容易識別。
[0107]對變換后的123項對象的因子進(jìn)行聚類分析，假定有η個樣本，每個樣本共有p個變 量，構(gòu)成一個η X p階的數(shù)據(jù)矩陣，
[0109] xi = (xu，xi2，···，xiP)(i = l，2,…，η)表示第i個樣本，Dlm表示為第L類與第Μ類樣本 之間的距離，du表示第i個樣本與第j個樣本之間的距離，仏表示第i類樣本。
[0110] 聚類分析計算步驟為：
[0111]首先將各樣本分別成一類，計算各樣本之間的距離，并將距離最近的兩個樣本合 并成一類，這里的距離采用歐式距離，
[0112]然后選擇并計算類與類之間的距離，并將距離最近的兩類(記為GP，Gq)合并為新類 Gr新類與其他類之間的距離采用中間距離，計算公式為
類的個數(shù)大于1，則繼續(xù)并類，直至所有樣本歸為一類為止。
[0113]最后按照分類標(biāo)準(zhǔn)，得出分類結(jié)果，將123項風(fēng)險點按照風(fēng)險等級分為重大、重要、 一般三個級別。
[0114] 如圖3所示，圖中右上部為重大風(fēng)險，中部為重要風(fēng)險，下部為一般風(fēng)險，分析結(jié)果 顯示只有火災(zāi)爆炸風(fēng)險屬于重大風(fēng)險，這是因為引起火災(zāi)爆炸風(fēng)險的可能性較大，比如公 司未有效保管、使用或管理民用爆炸品、危險化學(xué)品引起的爆炸，工作人員現(xiàn)場工作違規(guī)、 電氣線路陳舊老化、靜電、雷擊、明火等原因均可能導(dǎo)致火災(zāi)爆炸，而火災(zāi)爆炸的后果帶來 的損失也非常嚴(yán)重。其他32個風(fēng)險屬于重要風(fēng)險，如油罐泄露風(fēng)險等，剩余的90個風(fēng)險屬于 一般風(fēng)險。
[0115] 在對123項風(fēng)險點進(jìn)行分類后，完成了定性工作，為了深入確定風(fēng)險等級，對同一 級別的風(fēng)險進(jìn)一步進(jìn)行風(fēng)險排序，采用主成分分析法。將多個變量劃分為少數(shù)幾個綜合指 標(biāo)進(jìn)行統(tǒng)計分析，對高維的數(shù)據(jù)進(jìn)行降維處理，用較少的新變量代替原來較多的變量，并使 這些少數(shù)變量盡可能多的保留原來較多的變量所反應(yīng)的信息，簡化問題。
[0116] 主成分分析的計算步驟如下：
[0117] 1)計算相關(guān)系數(shù)矩陣
[0119] rij (i，j = 1，2，…，p)為原變量Xi與Xj的相關(guān)系數(shù)，rij = rji，其計算公式為：
[0121] 2)計算特征值與特征向量
[0122] 解特征方程|AI-R|=〇,常用雅可比法(Jacobi)求出特征值，并使其按大小順序排 列 λι 2 入2 2 …2 λρ > 〇 ;
[0123] 分別求出對應(yīng)于特征值A(chǔ)i的特征向量ei( i = 1,2,…，ρ)，要求| |ei| |=1，即
*_其中eij表不向量ei的第j個分量。
[0124] 3)計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率
[0127] 一般取累計貢獻(xiàn)率達(dá)85 % -95 %的特征值，λ:，λ2，…，對應(yīng)的第1、第2、…、第m (m<p)個主成分。
[0128] 4)計算主成分載荷
[0129] eij = lij(i , j = l ,2,··· ,ρ)
[0130] 5)綜合評價
[0131] 得到的特征值如表5所示
[0132] 表5特征值
[0133]
[0134] 在上表可以看出，前兩個特征值分別為心=2.818、人2 = 〇.893，且他們的累計貢獻(xiàn) 率達(dá)到了 92.783%，故我們?nèi)∏皟蓚€主成分，進(jìn)行因子載荷和特征值得特征向量計算，結(jié)果 如表6和表7所不。
[0135] 表6因子載荷
[0139] 將表6和表7的計算數(shù)據(jù)則前兩個主成分分別為：
[0140] Yi = -0 · 259Xi+0 · 537X2+0 · 560X3+0 · 575X4
[0141] Y2 = 〇 · 949X1+0 · 289X2+0 · 036X3+0 · 123X4
[0142]
求出每一個主成分的權(quán)重，Ai是第i個特征值，其計算結(jié)果如表 8所示：0: = 0.759; ω2 = 〇. 241;將權(quán)重代入方程式F= 〇出+(〇#2,以此計算出每一個風(fēng)險 點的最終綜合得分，其得分和排序情況如表8所示。
[0143] 表2-12風(fēng)險點綜合得分排序




[0149] 至此，完成對油田運營中存在的123項風(fēng)險的評估，按照風(fēng)險發(fā)生的可能性定量并 排序，所得排序的情況與實際風(fēng)險的統(tǒng)計情況想吻合，其準(zhǔn)確性比傳統(tǒng)的油田風(fēng)險評估方 式高，可準(zhǔn)確的為油田運營中減少風(fēng)險提供參考。
[0150] 以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，本發(fā)明并不局限于上述方式，在 不脫離本發(fā)明原理的前提下，還能進(jìn)一步改進(jìn)，這些改進(jìn)也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項】
1. 油田運營風(fēng)險高維評估方法，其特征在于，包括以下步驟： 1) 對風(fēng)險點數(shù)據(jù)進(jìn)行收集，將收集到的風(fēng)險點數(shù)據(jù)按照風(fēng)險發(fā)生的可能性、事故等級、 輿情影響程度、經(jīng)濟(jì)影響程度這4個指標(biāo)分別劃分為5個等級，進(jìn)行專家打分，并按照專家職 位進(jìn)行分類，將數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析； 2) 選取油田運營過程中存在的所有風(fēng)險點分析可能性和影響程度，步驟1所述的4個指 標(biāo)分析，"影響程度"由事故等級、輿情影響程度、經(jīng)濟(jì)影響程度加權(quán)計算得到，并將計算數(shù) 據(jù)繪制成影響程度的縱坐標(biāo)畫散點圖； 3) 對原始數(shù)據(jù)采用因子分析法提取有效信息降維，計算風(fēng)險可能性和影響程度的因子 得分，并將可能性作為橫坐標(biāo)，風(fēng)險影響程度作為縱坐標(biāo)，繪制因子風(fēng)險矩陣圖； 4) 采用聚類分析法定量確定風(fēng)險重要性準(zhǔn)則，將風(fēng)險等級分為重大、重要、一般三個級 另IJ，對步驟3中的風(fēng)險矩陣圖進(jìn)一步優(yōu)化； 5) 使用主成分分析法排序，對現(xiàn)有數(shù)據(jù)進(jìn)行降維，利用原變量之間的相關(guān)關(guān)系，用較少 的新變量代替原來較多的變量，并使這些少數(shù)變量盡可能多的保留原來較多的變量所反應(yīng) 的信息，并將變量進(jìn)行定量分析，得出最后的風(fēng)險排序結(jié)果。2. 根據(jù)權(quán)利要求1所述的油田運營風(fēng)險高維評估方法，其特征在于，所述步驟1中，將風(fēng) 險發(fā)生的可能性、事故等級、輿情影響程度、經(jīng)濟(jì)影響程度分別分為5個等級，進(jìn)行專家打 分，并將所有專家打分的調(diào)查表按照專家所處的級別和職位，進(jìn)行描述性統(tǒng)計，用于確定不 同級別和職位對風(fēng)險點認(rèn)識的偏差值。3. 根據(jù)權(quán)利要求1所述的油田運營風(fēng)險高維評估方法，其特征在于，所述步驟2中，將油 田運營過程中存在的所有風(fēng)險點初步劃分為風(fēng)險點在風(fēng)險發(fā)生的可能性、事故等級、輿情 影響程度、經(jīng)濟(jì)影響程度，其中風(fēng)險的影響程度由事故等級、輿情影響程度、經(jīng)濟(jì)影響程度 的加權(quán)來定量計算;將計算結(jié)果以風(fēng)險可能性為第二因子作為橫坐標(biāo)，風(fēng)險影響程度為第 一因子作為縱坐標(biāo)畫出散點圖。4. 根據(jù)權(quán)利要求1所述的油田運營風(fēng)險高維評估方法，其特征在于，所述步驟3中，把一 些信息重疊、具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個不相關(guān)的綜合因子進(jìn)行多元統(tǒng)計分 析，寫出因子分析模型:通過因子分析模型計算因子得分函數(shù)的第一因子和第二因子數(shù)據(jù)； 因子模型為：這里&32，一，匕就是因子，根據(jù)油田信息的要求，多維指標(biāo)需降為2維，這里!11=2，根據(jù) 觀察矩陣求出載荷矩陣，再求出因子得分;步驟如下： 1)計算相關(guān)系數(shù)矩陣rij(i, j = l，2,…，p)為原變量xi與xj的相關(guān)系數(shù)，rij = rji，其計算公式為： 2) 計算特征值與特征向量解特征方程I λΙ-R | =0，常用雅可比法求出特征值，并使其按大小順序排列： λ? > λ2 > * * · > λρ > 〇 ； 分別求出對應(yīng)于特征值h的特征向量ei(i = l，2,…，ρ)，要求I |ei| I =1，即^6 =1， 其中eu表示向量&的第j個分量； 3) 計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率?-1 一般取累計貢獻(xiàn)率達(dá)85%-95 %的特征值，λ:，λ2，…，對應(yīng)的第1、第2、…、第m個主 成分，m<p; 4) 計算因子載荷陣 5) 計算因子得分f i = bi〇+biiXi+bi2X2+· · · +biPXp (i = 1,2) 6) 坐標(biāo)變換：以a為原始數(shù)據(jù)第一因子的最低得分，b為原始數(shù)據(jù)第一因子的最高得分， c為變換后第一因子的最低得分即為0，d為變換后第一因子的最高得分即為5，x為風(fēng)險點第 一因子得分，V為風(fēng)險點第一因子坐標(biāo)變換后得分，則計算公式為:夕-功; b-a 第二因子計算方法和第一因子相同，并將結(jié)果繪制成因子風(fēng)險矩陣圖。5.根據(jù)權(quán)利要求1所述的油田運營風(fēng)險高維評估方法，其特征在于，所述步驟4中，采用 聚類分析法定量確定風(fēng)險重要性原則，先假定各個樣本各自成一類，這時各類間的距離就 是各樣本之間的距離，將距離最近的兩類合并成一個新的類;再計算新類與其它類間的距 離，將距離最近的兩類合并，如此每次縮小一類，直至所有的樣品都成為一類為止，然后根 據(jù)需要或者根據(jù)給出的距離臨界值確定分類數(shù)及最終要分的類將風(fēng)險等級分為重大、重 要、一般三個級別，對步驟3中的風(fēng)險矩陣圖進(jìn)一步優(yōu)化，其聚類分析計算步驟為： 1)各樣本分別成一類，計算各樣本之間的距離，并將距離最近的兩個樣本合并成一類， 這里的距離采用歐式距離，艮丨? 2) 選擇并計算類與類之間的距離，并將距離最近的兩類(記為GP，Gq)合并為新類Gr新類與其他類之間的距離采用中間距離，計算公式為 ΖΠ 果類的個 數(shù)大于1，則繼續(xù)并類，直至所有樣本歸為一類為止； 3) 按照分類標(biāo)準(zhǔn)，得出分類結(jié)果，形成風(fēng)險點聚類結(jié)果表格，表中類別中1代表是重要 風(fēng)險，2表示重大風(fēng)險，3表示一般風(fēng)險。6.根據(jù)權(quán)利要求1所述的油田運營風(fēng)險高維評估方法，其特征在于，所述步驟5使用主 成分分析法，把原來多個變量劃為少數(shù)幾個綜合指標(biāo)的一種統(tǒng)計分析方法，對現(xiàn)有數(shù)據(jù)進(jìn) 行降維，利用原變量之間的相關(guān)關(guān)系，用較少的新變量代替原來較多的變量，并使這些少數(shù) 變量盡可能多的保留原來較多的變量所反應(yīng)的信息，并將變量進(jìn)行定量分析，得出最后的 分析結(jié)果； 主成分分析模型：其步驟如下： 1) 計算相關(guān)系數(shù)矩陣rij(i，j = l，2,…，p)為原變量xi與xi的相關(guān)系數(shù)，rii = ru，其計算公式為：2) 計算特征值與特征向量 解特征方程I λΙ-R | =0，常用雅可比法求出特征值，并使其按大小順序排列 λ? > λ2 > * * · > λρ > 〇 ； 分別求出對應(yīng)于特征值λ?的特征向量li(i = l，2,…，ρ)，要求I |li| I =1，即f (? = 1，其 -Μ 中l(wèi)ij表;^向量li的第j個分量； 3) 計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率一般取累計貢獻(xiàn)率達(dá)85%-95%的特征值，λ:，λ2，…，對應(yīng)的第1、第2、…、第m(m < P)個主成分； 4) 計算主成分載荷 eij = lij(i，j = l，2，".，p) 5) 綜合排序 將得到的貢獻(xiàn)率最高的兩個特征值λ#Ρλ2用于計算因子載荷和特征值的特征向量，用 因子載荷和特征值的特征向量求出主成分h，通過方程無、卩可求出每一個主成 分的權(quán)重ω ,，將1和ω ,代入方程式F= ω J1+ ω 2Y2，計算出每一個風(fēng)險點的綜合得分并按 照得分高低排序，以此得出最終定量的分析結(jié)果。
【文檔編號】G06Q50/02GK105868928SQ201610279190
【公開日】2016年8月17日
【申請日】2016年4月29日
【發(fā)明人】趙春蘭, 王兵, 楊博文, 張銜, 陳怡男, 陳軍華, 田東紅, 趙藝
【申請人】西南石油大學(xué)