基于加权贝叶斯网络的海洋灾害风险评估

文献标识码：A

文章编号：（2018）1001-693202-0121-08

MarinedisasterriskassessmentbasedonweightedBayesianNetwork渊InstituteofMeteorologyandOceanography,NationalUniversityofDefenseTechnology,Nanjing211101,China冤

LIMing,ZHANGRen,HONGMeiAbstract：Undertheglobalclimatechange,themassive,unpredictableanddisaster-chaineffectsofmarinedisastersareassessmentofmarinedisasters.Aimingattheuncertaintiesinmarinedisasterassessment,thispaperfirstlyanalyzedtheBayesiannetworkforuncertaindisasterassessmentwasproposedbasedontheBayesianNetworkmodel,andaweightedtheriskassessmentofmarinedisastersandhaspracticaloperability.becomingmoreandmoreprominent,andthelosseshaveincreasedyearbyyear.Soitisimportanttocarryouttheriskuncertaintiesofmarinedisasterriskbasedonrisktheoryandconstructedthedisasterassessmentindexsystem.Then,aBayesiannetworkassessmentmodelwasconstructedbasedonsubjectiveandobjectiveweights.Finally,theassessmentofKeywords：marinedisaster;BayesianNetwork;uncertainty;riskassessmentmarinedisasterriskincoastalareasofChinawascarriedout.Experimentsshowthattheevaluationmodeleffectivelyachieves在全球变化趋势下，海洋气象、水文环境发生严重变异，海洋动力灾害（如风暴潮、巨浪、）的加剧、海平面的上升严重危及沿海地海啸等区的生产、生活及海上运输通道安全，海洋生态）严重影响海洋生物、灾害（如赤潮、海水酸化等渔业资源的可持续利用，海洋灾害频发，灾害连锁效应日显突出，对我国经济、社会带来的损失呈逐年上升趋势。因此开展海洋灾害的评估预警和应急决策技术研究对于国家防灾减灾具有重大收稿日期：2017-03-26；修订日期：2017-07-07

意义。针对海洋灾害风险评估的相关研究主要包括：叶涛等（2005）梳理了我国海洋灾害系统的风险特征并对综合风险管理进行研究；邹和平等2011（）对构建我国海洋灾害风险评估管理机制进行了初步探索；黎鑫等（2012，2016）初步构建了海洋安全灾害评估的指标体系，采用传统的指标加权融合模型对印度洋海域的海洋自然风险开展综合评估；杨林等（2013）针对海洋灾害脆弱41375002BK20161461基金项目：国家自然科学基金面上项目（）；江苏省自然科学基金面上项目（）。作者简介：李明（），硕士研究生，从事海洋环境保障与智能评估研究。电子邮箱：mingli152@163.com。1994-通讯作者：张韧，教授，从事海气相互作用及海洋灾害风险评估研究。122海洋通报37卷性的综合评价指标体系进行了设计和研究；张建新等（2009）将智能算法引入海洋灾害的评估研究中；杨理智等（2016）基于云模型对“海上丝绸之路”沿线国家的海洋人文风险进行评估，总体上针对海洋灾害风险评估的研究相对较少。由于海洋水文要素众多，互为关联耦合，灾害成因机理复杂，导致海洋灾害评估存在极大的不确定性，尤其是评估指标间的不确定关系。上述研究中采用的传统评估方法如层次分析法、模糊综合评判法、灰色综合评价法很难刻画评估指标间的相互关系，普通的线性加权指标融合模型也很难表征指标对于灾害评估目标的非线性作用。可见，针对海洋灾害的风险评估，传统评估理论与模型不再适用。与图论结合的产物，具有坚实的数理统计基础，20世纪发展起来的贝叶斯网络是贝叶斯理论是描述和处理不确定性问题的良好的工具（史志富，2012）。贝叶斯网络具备对不确定信息的表达和处理能力，能够实现对海洋灾害风险评估的非线性建模。本文在前人研究基础上，基于风险理论，分析了海洋灾害风险评估的特征；进而构建灾害评估体系，以贝叶斯网络为数学模型，构建了针对灾害风险不确定性的加权贝叶斯网络评估模型，开展了我国沿海地区（以江苏省为例）海洋灾害风险评估的应用研究。具体建模技术路线如图1所示。海洋灾害风险特征分析不确定性定性定量结合贝叶斯网络风险评估风险贝叶斯网络主客观定权加权贝叶斯网络评估模型我国东部沿海海洋灾害评估图1建模技术路线http：//hytb.nmdis.org.cn1海洋灾害风险特征分析1.1目前，学术界比较主流的风险定义中同时强不确定性分析调风险发生的可能性和风险造成的损失或后果，定义风险为不利事件发生的概率和严重程度的一种度量（Rao，1996），故本文所提出的海洋灾害风险，定义为海洋灾害发生的概率和灾损后果的结合。在此定义基础上，从系统论的角度归纳风险的基本要素为致险因子、承险体和防范能力。为研究海洋灾害风险评估，必须弄清风险的形成机制，接下来基于风险理论，系统分析海洋灾害风险评估中的不确定性。（1）致险因子（危险性）致险因子或风险源在根本上决定某种风险是否存在，还直接决定该风险的大小。例如气候变化的风险源即指由于气候变化所引发的一系列不利天气气候事件。当气候系统的一种异常过程或超常变化达到某个临界值时，风险便可能发生。这种过程或变化的频度越大，对社会经济造成破坏的可能性就越大；过程或变化的超常程度越大，对社会经济造成的破坏就可能越强烈（张韧，2014）。综上，致险因子的不确定性体现在三方面：机性、模糊性。海洋灾害类别众多，环境复杂多淤风险来源的不确定性：致险因子发生的随变，成因机理复杂，不同灾害风险的发生具有显著不确定性；对应某一动力或热力系统的发生、发展和消亡过于风险强度的不确定性：每一类海洋灾害都程，这一变化过程会直接导致风险强度的变化，系统发展变化充分则风险强度高，反之则低，所以灾害风险的强度也是不确定的；水文要素众多，互为关联耦合，灾害发生频次也盂风险频率的不确定性：海洋环境机理复杂，时刻变化，具有显著不确定性。（2）承险体（脆弱性）风险是相对于行为主体而言的，只有当某风险源有可能危害某承险体后，风险事件相对于承担者才具有风险。承险体的状态是不断变化的，具有模糊性和随机性，承险体种类、数量、价值的差异可能造成不同的风险损失，因此承险状态2期李明等：基于加权贝叶斯网络的海洋灾害风险评估123具有不确定性。（3）防范能力（敏感性）风险防范能力是人类社会以应对风险所采取的方针、政策、技术和行动的总称。防范活动是人执行的，由于人类认识复杂问题能力限制，会受到人的知识、观念、意志和偏好等因素影响，不可避免的引入不确定性。1.2评估或者评价是主体根据一定的标准对客体定性与定量结合进行认识的活动（周华任，2015）。评估是一种主体性活动，是由主体选用一定的指标、模型和方法做出的，显然评估基于主体的定性知识，表现出一定的主观性。但对于气象海洋要素，有大量的观测数据和统计数据，客观数据的存在使得对于海洋灾害的评估具有较强的客观性，在评估过程中融入定量数据，结合定性知识，会使得评估更合理，所以海洋灾害的风险评估是定性知识与定量数据的结合。综上所述，海洋灾害风险评估一定程度上可以视为对灾害评估过程中不确定性的处理，并且要充分利用定性知识和定量数据，所以灾害评估模型应能对风险评估中的不确定性进行明确的建模和处理，并且能够充分利用领域专家的经验和知识，同时结合历史数据进行评估建模，从而为风险管理提供必要的信息，制定风险计划、控制风险。2海洋灾害评估的风险贝叶斯网络模型气象水文要素众多、机理复杂，要素间关联耦合，构成一个系统，从系统角度可实现有效处理。灾害风险评估与推断在很大程度上取决于灾害系统构成、系统内部因子之间以及与人类社会之间的相互关系（刘瑞，2016）。灾害风险不确定性评估需要结合定性知识与定量数据，对因子进行系统的研究，要考虑因子发生概率和系统内部因子的相互依赖关系，由概率推理处理不确定性传播。贝叶斯网络是图论与概率论的结合，是处理不确定问题的有效工具，根据上述灾害评估特点，本文将基于贝叶斯网络进行风险评估建模。2.1贝叶斯网络贝叶斯网络理论（BayesianNetwork），又称贝叶斯信度网络（BayesianBeliefNetwork），是可视化图论与数理统计的结合（史志富，2012）。贝叶斯网络是变量间概率关系的图形化描述，提供了一种将知识直观的图解可视化的方法，同时又是一种概率推理技术，使用概率理论来处理在描述不同变量之间因条件相关而产生的不确定性。贝叶斯网络直观的表示为一个复杂的赋值因果关系图，完整的贝叶斯网络是一个二元组B=，其中：·G=（V（G），E（G））是一个有向无环图，V（G）是节点集合，节点表示所研究问题域中的变量或事件）；E（G）为弧集合，有向弧表示变量（或事件）之间的概率依赖关系。·网络参数兹构成的条件概率表（CPT）表达了节点之间的影响程度，体现了域知识定量方面的特征。贝叶斯网络的数学基础是贝叶斯公式（如公式（1）所示），并且网络蕴含了条件独立性假设如公式（2）所示）。P（Vi|Vj）=P（P（ViV，Vj）（Vi）（Vj|Vi）j）=PP（PVj）（1）（1）式中P（Vi）为先验概率，P（Vi率。贝叶斯公式就是以先验概率为基础，根据相|Vj）为后验概关条件推导后验概率的公式。P（v|V1，V2，…，Vk）=P（v）仪ki=1P（Vi|v）（2）根据（2）式如果给定根节点先验概率分布和非根节点条件概率分布，则可以通过推理得到包含所有节点的联合概率分布。贝叶斯网络是描述和处理不确定性的良好工具，具有坚实的数学基础，能够对灾害风险评估过程中的不确定性建模，提供直观而有效的方式图形化描述风险因素之间相互依赖关系；图形结构直观地反应了风险的产生机制，它能够有效利用专家知识和存储在历史数据库中的知识，提供快速而有效的概率推理方法，并且一旦在风险跟踪中发现新的证据，新数据能引入相关的贝叶斯网络中，重新计算或更新先前的评估结果。因此，贝叶斯网络技术能够有效针对海洋灾害风险评估的特征进行不确定性建模与评估。2.2运用贝叶斯网络解决问题的建模流程包括变贝叶斯网络与评估量定义、数据处理、结构学习、条件概率表构建http：//hytb.nmdis.org.cn（（124海洋通报37卷（或参数学习）、推理计算等一系列环节，并且建模过程是循环往复、不断修正的；评估理论发展至今，也形成了一套完备的流程体系，包括评估指标选取、评估体系建立、指标权重计算以及评估融合模型构建等。从两者的实现流程可以看出，贝叶斯网络建模与评估流程是环环对应的，两者具体关系如图2所示。风险评估流程贝叶斯网络建模构建评估指标体系BN结构学习计算指标权重BN参数学习建立指标融合数学模型BN推理计算风险评估结果事件发生概率图2贝叶斯网络与评估关系根据上述两者关系可构建针对风险评估的贝叶斯网络模型———风险贝叶斯网络，具体内涵阐述如表1。表1风险贝叶斯网络说明风险BN要素具体内涵网络结构风险评估指标体系网络节点风险评估指标条件概率表表示节点间的因果关系以及依赖程度，指标权重网络推理表示不确定性的传递，指标信息融合后验概率分布风险评估结果风险贝叶斯网络中，网络节点即为风险指标，风险指标的取值即指标某一风险状态的发生概率；风险指标之间存在的因果关系，用连接节点的有向弧表示，节点的条件概率表反映了因果关系的强弱，也就是指标权重大小；网络推理计算的后验分布，即风险所处不同状态的概率分布，以概率的表达形式刻画了风险的不确定性。2.3通过上述分析，贝叶斯网络非常适用于海洋加权贝叶斯网络评估模型灾害的风险评估建模，但考虑到贝叶斯网络中节点间条件独立性假设，而实际上海洋水文要素之间是互为关联的，因此需要弱化或改进独立性假http：//hytb.nmdis.org.cn设。改进独立性假设的方法有很多，其中给各个节点赋予不同的权重以加强节点之间的联系是一种有效的方法，节点之间的权重分配加强了节点之2016间的联系，改进了条件独立性点（）即评估目标。考虑网络节点）的权重，贝叶斯公式被改进为：（即风险指标）假相对于根节设（刘瑞，P（v|V1，V2，…，Vk）=P（v）仪k（Vwii=1Pi|v）（3）其中，wi为各网络节点相对于根节点的权重。至此，可构建针对海洋灾害风险特征的加权贝叶斯网络评估模型，具体建模技术步骤如表2所示。表2加权贝叶斯网络评估建模路线基于加权贝叶斯网络的海洋灾害评估建模流程输入：风险指标及其先验概率分布输出：评估风险的概率分布Step1.险因子、承险体以及防范能力；风险辨识：基于专家知识，分析风险的形成机制，明确致Step2.进行属性约简，给出指标价值增减属性，构建评估指标体系；评估指标体系构建：在风险辨别的基础上筛选风险指标，Step3.括一致化、无量纲化数据预处理：将指标进行等级划分，数据标准化处理）；（包Step5.Step4.风险贝叶斯网络结构建立：将评估指标体系映射为初始贝指标权重计算：基于主观知识或客观数据计算指标权重；叶斯网络结构，风险指标即网络节点；Step6.斯网络结构，采用结构学习算法，自动修正初始网络结构；风险贝叶斯网络结构修正：根据给定的数据集和初始贝叶Step7.习算法较为成熟，本文基于指标权重，采用蒙特卡洛法，建立各风险贝叶斯网络节点CPT建立：节点CPT的建立即参数学节点的条件概率表；Step8.加权贝叶斯网络；加权贝叶斯网络构建：将指标权重融入条件概率表，构建Step9.的概率。推理计算：基于贝叶斯网络推理算法，计算评估对象发生3海洋灾害评估实验针对我国沿海地区海洋动力灾害、生态灾害频发现状，开展海洋灾害的风险监测和预警评估成为迫切需要。本文选取我国东部沿海地区的江苏省作为评估对象，应用上述加权贝叶斯网络模型对海洋灾害展开应用评估，并对评估结果进行逐年的比较分析。3.1我国东部沿海地区位于中低纬度地区，属于风险辨识与评估体系建立热带、亚热带和温带季风气候，发生的海洋灾害2期李明等：基于加权贝叶斯网络的海洋灾害风险评估125主要有风暴潮灾害、海浪灾害、赤潮灾害、海啸灾害等。本文通过专家分析并采用粗糙集理论进行属性约简，基于风险理论最终构建海洋灾害指评估目标准则层标体系的准则层由致险因子、脆弱状态和防范能力构成，3个准则层进一步细分为11个指标，风险评估体系如表3所示。属性效益型有效浪高逸4m效益型效益型效益型水平能见度臆1km效益型mm/a效益型万人效益型万亿成本型%效益型万公顷成本型专家等级评定成本型专家等级评定表4指标权重指标层1.年均大浪次数2.年均赤潮次数3.年均海雾日数5.海平面变化4.年均风暴潮次数6.涉海就业人员数量8.海洋生产总值9.灾后恢复能力10.预报准确率11.社会保障水平表3海洋灾害评估体系评估指标1.年均大浪次数12.致险因子2.年均赤潮次数3.年均海雾日数5.海平面变化13.脆弱状态4.年均风暴潮次数6.涉海就业人员数量8.海洋生产总值9.灾后恢复能力10.预报准确率11.社会保障水平15.海洋灾害风险7.主要农作物种植面积14.防范能力其中，指标属性为效益型表示指标取值越大，风险越高；成本型表示指标取值越大，风险越低。海雾、大浪的等级阈值根据《中国气候公报》、》确定。《中国海洋灾害公报3.2数据处理与权重计算熵值法权重0.08630.08590.07970.09400.09700.08550.08420.08230.08260.09140.1311G1法权重0.08610.02510.04830.19310.02670.01840.03390.33240.04690.05290.1362组合权重0.08620.05550.06400.14360.06190.05190.05910.20730.06480.13360.0721

由于海洋灾害评估体系是综合自然、政治和社会多方面、多学科的复合体系，为了克服片面性，本文采用G1法和熵值法相结合的主客观组合赋权法确定指标权重。G1法是通过专家主观赋权反映指标间的重要程度，熵值法是根据指标客观变异性的大小来确定权重，具体实现步骤参考文献（Zou，2006），这里不再赘述。选取江苏省2010-2015年的指标数据，对数据进行标准化处理后计算权重结果如表4所示；计算所需数据来源7.主要农作物种植面积表5指标数据来源指标1.年均大浪次数2.年均赤潮次数3.年均海雾日数5.海平面变化4.年均风暴潮次数6.涉海就业人员数量8.海洋生产总值9.灾后恢复能力10.预报准确率11.社会保障水平数据来源》《中国海洋灾害四十年资料汇编》《海洋环境质量公报》《中国海洋灾害公报》《中国海平面公报海洋灾害公报》江苏省编制的《》《中国海洋经济统计公报》《中国渔业统计年鉴统计年鉴》江苏省统计局编制的《如表5所示；根据《中国海洋灾害公报》以及《中国海洋经济统计公报》确定指标等级划分如表6所示。风险指标确定后则需要构建评估网络结构，本文采用两阶段建模方式，首先基于专家知识构建拓扑结构，然后通过数据库和机器学习修正贝叶斯网络结构。贝叶斯网络结构的机器学习有两个重要的组成部分，第一是度量机制，第二是搜索过程（王双成，2010）。目前比较完善的方法是基于搜索计分的方法，通常给定一个评分函数，逐步搜索和选择出一个与客观数据拟合最好的结构。3.3贝叶斯网络评估模型的结构学习7.主要农作物种植面积）德尔菲法（或专家函询调查法首先将专家构建的评估体系映射为初始贝叶a斯网络结构，网络节点即指标，如图3（）所示；http：//hytb.nmdis.org.cn126海洋通报37卷表6指标等级划分指标层高风险等级中风险等级低风险等级1.2.年均大浪次数>40>6035~403.年均赤潮次数>5040~60<354.年均海雾日数20~50<405.6.海平面变化年均风暴潮次数涉海就业人员数量>100>20

80~10010~20

<20<10<3<80

8.7.主要农作物种植面积>4>500034000~4500~5000>5.5

000<40009.海洋生产总值专家等级评定4.5~5.5

000<4.550010.灾后恢复能力11.预报准确率社会保障水平<40%

专家等级评定40%~60%

>60%

然后选用BIC评分函数和爬山搜索算法（hc）进行贝叶斯网络结构自动修正学习，修正后网络结构如图3（b）所示。其中，BIC评分函数是用对数似然度来度量网络结构与客观数据的拟合程度，如式（4）所示。（a

）（b

）图3贝叶斯网络结构（图（a）为初始结构，图（b）为修正结构）3.4BIC加权贝叶斯网络评估模型的构建（G，D）=移n移qi移rii=1j=1k=1mijklog兹ijk（4）蒙特卡洛算法的基本思想是当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过随机数模拟实验的方法，以这种事件出现的概率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征。本文设置网络中每个节点可取3种状态（高风险、中风险、低风险），通过统计分析得到根节http：//hytb.nmdis.org.cn点（指标1-11）的风险等级概率分布；而后运用蒙特卡洛算法进行100次随机数实验，生成各子节点（指标12-15）的条件概率分布表；最后按照公式（3）融入各指标的权重得到加权条件概率分布表，如防范能力的条件概率分布表如表7所示。表7防范能力加权条件概率分布表指标9指标10指标11指标14

高中低高高高0.9330.0330.033高高中0.3540.6200.025高高低0.3560.0060.638高中高0.7490.2080.043高中中0.1760.8060.018高中低0.1750.1960.629高低高0.7700.0290.201高低中0.1870.6080.206高低低0.1810.0280.790中高高0.7960.1790.024中高中0.2060.7560.038中高低0.2060.1860.608中中高0.6210.3540.025中中中0.0420.9160.042中中低0.0170.3550.628中低高0.6130.1840.203中低中0.0410.7530.207中低低0.0280.1810.792低高高0.8130.0130.174低高中0.2010.6190.181低高低0.1950.0130.792低中高0.6430.1890.167低中中0.0200.8030.177低中低0.0020.1900.808低低高0.6190.0270.354低低中0.0030.6410.356低低低0.029

0.029

0.941

3.5推理计算技术的贝叶斯网络实现平台，将评估网络结构、Netica软件是以贝叶斯网络联合树推理算法为网络节点的先验分布和加权条件概率表输入Netica软件平台，推理计算得到我国沿海地区江苏省2010-2015年为例，推理结果如图年逐年的海洋灾害风险状况。以4所示，逐年的灾害风险2012评估结果如表8所示。根据表6中风险概率分布可得：2010-2015年江苏省海洋灾害处于高风险等级的概率先增加后2期李明等：基于加权贝叶斯网络的海洋灾害风险评估127图4海洋灾害评估结果表8江苏省海洋灾害风险概率分布海洋灾害等级高风险/%中风险/%低风险/%灾害经济损失/亿元死亡人数/人2010年30.836.932.30.1353

2011年31.137.331.60.610

2012年31.638.030.46.247

2013年31.737.630.70.5810

2014年31.137.231.70.510

2015年29.436.434.20.291

降低，中风险等级的概率逐年增加，低风险等级的概率先降低后增加；中、低风险等级的概率之和维持在70%左右，但低风险概率自2012年后逐年增加。评估结果与江苏省统计年鉴和海洋灾害公报中发布的灾害经济损失和死亡人数情况较为吻合。总体来看，江苏省海洋灾害风险等级为中低风险，并且2012年后灾害风险呈下降趋势。从两个方面进行了研究：1（）系统分析了海洋灾害风险评估的不确定性特征和定性定量结合特征，提出了针对该特征的风险贝叶斯网络模型，能够对灾害评估中的不确定性进行明确建模和处理，并且充分利用领域专家的经验和知识，同时结合历史数据进行评估建模；2（）基于G1法和熵值法的主客观定权法计算指标权重，融入网络节点的条件概率表，改进贝叶斯网络的条件独立性假设，建立加权贝叶斯网络评估模型，更符合海洋灾害评估特征，实现了4结论针对海洋灾害这一复杂风险评估对象，基于灾害风险管理指标系统的思想，采用了建立指标体系和风险评估建模的方法，开展了海洋灾害风险评估模型构建的研究工作。针对海洋灾害风险评估的不确定性特征、传统评估模型不合理问题，海洋灾害风险的有效评估。目前存在的不足是评估体系中指标的筛选以及指标权重的准确量化方法还有待进一步改进，以及贝叶斯网络评估模型中异常值检验是我们后面工作的重心。http：//hytb.nmdis.org.cn128海洋通报37卷参考文献FriedmantoAnalyzeN,LinialExpressionM,NachmanData.I,Journaletal.,of2000.ComputationalUsingBayesianBiology,7Network

(3-Rao4):601-620.

VEnvironmental,K,1996.RiskHealth,AssessmentandManagementHandbookfor

UN/ISDR,JournalInitiatives.2004.B,85(6):BioMedLiving1-6.

andSafetyProfessionals.EuropeanPhysicalwithCentralRisk:Ltd.

AGlobalReviewofDisasterReductionZouZofH,evaluatingYiY,SunJindicatorsN,2006.Entropyinfuzzymethodfordeterminationofweight

qualityassessment.贝叶斯网建模技术及其在决策中的应用JournalofEnvironmentalsyntheticSciences,18(5):evaluationfor.合肥工业大1020.water

胡笑旋,2006.学.

黎鑫,洪梅,王博,等,2012.南海-印度洋海域海洋安全灾害评估与风险区划.热带海洋学报,31(6):121-127.

黎鑫,张韧,卢扬,等,2016.“海上丝绸之路”自然环境风险分析.海洋通报,35(6):609-616.

刘瑞,2016.基于贝叶斯网络的洪水灾害风险评估与建模研究.华东师范大学.

史志富,2012.贝叶斯网络理论及其在军事系统中的应用.国防工业http：//hytb.nmdis.org.cn出版社.

王美怡,2012.贝叶斯网络在不确定性风险决策中的应用研究.首都经济贸易大学.

王双成,等,2010.贝叶斯网络学习、推理与应用.上海:立信会计出版社.杨理智,张韧,白成祖,等,2016.“21世纪海上丝绸之路”之4个主要东盟国家人文环境风险评估.海洋通报,35(6):617-624.杨林,李渊,2013.海洋灾害脆弱性综合评价指标体系的设计.海洋技术学报,32(3):133-137.

杨勇虎,李颖,刘丙新,等,2016.一种沿海石油储运基地溢油风险智能评价系统.海洋通报,35(2):235-240.

叶涛,郭卫平,史培军,2005.1990年以来中国海洋灾害系统风险特征分析及其综合风险管理.自然灾害学报,14(6):65-70.张建新,肖启华,黄冬梅,2009.智能计算在海洋灾害评估中的应用研究.中国智能计算大会.

张韧,等,2014.气候变化与国家海洋战略:影响与风险评价.北京:气象出版社.

周华任,等,2015.综合评价方法及其军事应用.北京:清华大学出版社.邹和平,牟林,董军兴,等,2011.构建我国海洋灾害风险评估管理机制初探.海洋开发与管理,28(11):23-27.

（本文编辑：宋雪莲）