海洋立风管的风险评估方法及相关装置

1.本技术涉及数据处理技术领域，具体涉及一种海洋立风管的风险评估方法及相关装置。


背景技术：

2.随着社会的高速发展，我国对海洋油气的需求量也日益增加。海洋立管是连接海洋平台与水下开采设备的重要构件，其所处环境恶劣，输送介质易燃易爆，一旦发生事故，会造成严重的生命财产损失。因此，对海洋立管的风险因素进行评价及预防具有重要意义。
3.目前，国内外对海洋立管的风险因素分析主要采用建立故障树、有限元等模型对海洋立管风险进行定量计算。
4.上述风险因素评价方法存在以下问题：海洋立管风险因素众多，各风险因素间具有复杂的相互影响关系，传统的综合评价方法在解决此类复杂系统问题时存在较大的局限性；定量计算风险因素的发生概率不足以综合全面地评价该因素的综合风险，传统的故障树模型没有将定量计算与定性分析结合起来，从而导致了对海洋立风管进行风险评估时的准确性较低。


技术实现要素：

5.本技术实施例提供一种海洋立风管的风险评估方法及相关装置，能够提升对海洋立风管的风险评估时的准确性。
6.本技术实施例的第一方面提供了一种海洋立风管的风险评估方法，所述方法包括：
7.确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；
8.获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；
9.根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；
10.根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；
11.根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。
12.结合第一方面，在一个可能的实现方式中，根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，包括：
13.根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；
14.根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；
15.获取所述最优一致矩阵的最大特征值对应的特征向量；
16.根据所述特征向量，确定所述加权矩阵。
17.结合第一方面，在一个可能的实现方式中，所述根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵，包括：
18.根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；
19.根据所述参考判断矩阵，确定最佳转移矩阵；
20.根据所述最佳转移矩阵，确定所述最优一致矩阵。
21.结合第一方面，在一个可能的实现方式中，所述根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，包括：
22.根据所述加权矩阵和所述超矩阵，确定加权超矩阵；
23.根据所述加权超矩阵，确定极限超矩阵，所述极限超矩阵的行元素相同，所述极限超矩阵的列元素之和为1；
24.根据所述极限超矩阵，确定所述风险因子的相对权重向量；
25.根据所述相对权重向量，确定所述风险因子的重要度序列。
26.结合第一方面，在一个可能的实现方式中，所述根据所述加权矩阵和所述超矩阵，确定加权超矩阵，包括：
27.将所述加权矩阵和所述超矩阵对应元素的乘积，确定为所述加权超矩阵对应位置的元素，以得到所述加权超矩阵。
28.本技术实施例的第二方面提供了一种海洋立风管的风险评估装置，所述装置包括：
29.第一确定单元，用于确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；
30.获取单元，用于获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；
31.第二确定单元，用于根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；
32.第三确定单元，用于根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；
33.第四确定单元，用于根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。
34.结合第二方面，在一个可能的实现方式中，在所述根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵方面，所述第三确定单元用于：
35.根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；
36.根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；
37.获取所述最优一致矩阵的最大特征值对应的特征向量；
38.根据所述特征向量，确定所述加权矩阵。
39.结合第二方面，在一个可能的实现方式中，在所述根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵方面，所述第三确定单元用
于：
40.根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；
41.根据所述参考判断矩阵，确定最佳转移矩阵；
42.根据所述最佳转移矩阵，确定所述最优一致矩阵。
43.结合第二方面，在一个可能的实现方式中，在所述根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列方面，所述第四确定单元用于：
44.根据所述加权矩阵和所述超矩阵，确定加权超矩阵；
45.根据所述加权超矩阵，确定极限超矩阵，所述极限超矩阵的行元素相同，所述极限超矩阵的列元素之和为1；
46.根据所述极限超矩阵，确定所述风险因子的相对权重向量；
47.根据所述相对权重向量，确定所述风险因子的重要度序列。
48.结合第二方面，在一个可能的实现方式中，在所述根据所述加权矩阵和所述超矩阵，确定加权超矩阵方面，第四确定单元用于：
49.将所述加权矩阵和所述超矩阵对应元素的乘积，确定为所述加权超矩阵对应位置的元素，以得到所述加权超矩阵。
50.本技术实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本技术实施例第一方面中的步骤指令。
51.本技术实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。
52.本技术实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
53.实施本技术实施例，至少具有如下有益效果：
54.通过确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层，获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值，根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵，根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵，根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果，因此，能够通过对判断矩阵进行一致性变化处理，得到对应的加权矩阵和超矩阵，从而根据加权矩阵和所述超矩阵确定出风险因子的重要度序列，提升了海洋立风管的风险评估结果确定时的准确性。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
56.图1为本技术实施例提供了一种海洋立风管的风险评估方法的流程示意图；
57.图2为本技术实施例提供了一种海洋立风管的风险模型的示意图；
58.图3为本技术实施例提供了一种风险类型和风险因子的示意图；
59.图4为本技术实施例提供的一种终端的结构示意图；
60.图5为本技术实施例提供了一种海洋立风管的风险评估装置的结构示意图。
具体实施方式
61.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
62.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
63.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本技术所描述的实施例可以与其它实施例相结合。
64.请参阅图1，图1为本技术实施例提供了一种海洋立风管的风险评估方法的流程示意图。如图1所示，该方法包括：
65.101、确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层。
66.风险模型如图2所示，控制层中包括有风险类型，网络层中包括有风险因子。其中，风险类型之间用有向箭头的方式展示风险类型之间的相互影响关系，风险因子之间用有向箭头的方式展示风险因子之间的相互影响关系。
67.如图3所示，风险类型包括有腐蚀r1、第三方破坏r2、设计施工缺陷r3、自然环境r4、操作不当r5。风险因子共有19个，具体包括有r11、r12、r13、r21、r22、r23、r24、r31、r32、r33、r34、r41、r42、r43、r44、r51、r52、r53、r54。目标层可以为海洋立管失效因素(海洋立风管失效因素)。
68.102、获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值。
69.可以通过评价用户对风险类型进行风险评估得到的重要度评价，根据该重要度评价值来得到第一相对风险权重。重要度评价可以用重要度语言进行表示，重要度语言包括有同等重要、略微重要、比较重要、十分重要、极其重要等。可以将重要度评价进行反模糊化处理，以得到第一相对风险权重。具体可以通过模糊化对应关系表进行反模糊化处理，该模
糊化对应关系表如表1所示：
[0070][0071]
确定第二相对风险权重值的方法可以参照确定第一相对风险权重值的确定方法，此处不再赘述。
[0072]
103、根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵。
[0073]
可以对风险类型对应的第一相对风险权重值进行矩阵构建，从而得到第一判断矩阵，以及对风险因子对应的第二相对风险权重值进行矩阵构建，以得到第二判断矩阵。
[0074]
判断矩阵例如可以是：
[0075][0076]
其中，式中a
ij
为控制层或网络层中元素i对元素j的相对重要度。
[0077]
104、根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵。
[0078]
可以根据第一判断矩阵确定出风险类型对应的重要度排序指数，根据该重要度排序指数等，确定出加权矩阵。可以根据第二判断矩阵确定出风险因子对应的重要度排序指数，根据该重要度排序指数等，确定出超矩阵。
[0079]
105、根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。
[0080]
可以根据加权矩阵和所述超矩阵确定的加权超矩阵来确定出重要度序列。重要度序列可以用于指示风险因子的重要度。
[0081]
本示例中，通过确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层，获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值，根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵，根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵，根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果，因此，能够通过对判断矩阵进行一致性变化处理，得到对应的加权矩阵和超矩阵，从而根据加权矩阵和所述超矩阵确定出风险因子的重要度序列，提升了海洋立风管的风险评估结果确定时的准确性。
[0082]
在一个可能的实现方式中，一种可能的根据所述第一判断矩阵，确定与所述控制
层对应的加权矩阵的方法包括：
[0083]
a1、根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；
[0084]
a2、根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；
[0085]
a3、获取所述最优一致矩阵的最大特征值对应的特征向量；
[0086]
a4、根据所述特征向量，确定所述加权矩阵。
[0087]
其中，可以通过如下公式所示的方法确定重要度排序指数：
[0088][0089]ri
为重要度排名指数，a
ij
为控制层中元素i对元素j的相对重要度。
[0090]
可以根据重要度排序指数确定出的参考判断矩阵来确定出最优一直矩阵dn×n。
[0091]
可以通过特征向量计算方法，来确定出最优一致矩阵的最大特征值对应的特征向量。
[0092]
可以对特征向量进行归一化处理，得到归一化特征向量，对归一化特征向量进行转换计算，以得到加权矩阵。归一化特征向量可以表示为：ω＝(ω1,ω2,...,ωn)
t
[0093]
加权矩阵可以表示为：
[0094][0095]
其中，aij为风险类型i相对风险类型j的重要度。
[0096]
确定超矩阵的方法可以参考上述确定加权矩阵的方法，此处不再赘述。超矩阵可以表示为：
[0097][0098]
其中，w
ij
代表风险类型ri中风险因子对风险类型rj中风险因子的相对重要度。
[0099]
在一个可能的实现方式中，一种可能的根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵，包括：
[0100]
b1、根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；
[0101]
b2、根据所述参考判断矩阵，确定最佳转移矩阵；
[0102]
b3、根据所述最佳转移矩阵，确定所述最优一致矩阵。
[0103]
可以通过如下公式所示的方法确定参考判断矩阵：
[0104][0105]
其中，b
ij
是参考判断矩阵bn×n中的元素，r
max
是重要度排序指数的最大值，r
min
是重要度排序指数的最小值。km由下式定义：
[0106][0107]
可以根据如下公式所示的方法确定最佳转移矩阵：
[0108][0109]
其中，c
ij
为最佳转移矩阵中的元素。
[0110]
可以通过如下公式所示的方法确定最优一致矩阵：
[0111][0112]dij
为最优一致矩阵中的元素。
[0113]
在一个可能的实现方式中，一种可能的根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，包括：
[0114]
c1、根据所述加权矩阵和所述超矩阵，确定加权超矩阵；
[0115]
c2、根据所述加权超矩阵，确定极限超矩阵，所述极限超矩阵的行元素相同，所述极限超矩阵的列元素之和为1；
[0116]
c3、根据所述极限超矩阵，确定所述风险因子的相对权重向量；
[0117]
c4、根据所述相对权重向量，确定所述风险因子的重要度序列。
[0118]
可以将加权矩阵和超矩阵中对应位置的元素的乘积，确定为加权超矩阵中对应位置的元素。具体例如：
[0119][0120]
为归一化的加权超矩阵。
[0121]
可以对加权超矩阵进行计算，以得到极限超矩阵，具体可以为：将加权超矩阵自乘至收敛，得到极限矩阵w
∞
：
[0122][0123]
可以将极限超矩阵中由不同列元素构成的向量即为所有风险因子的相对权重向量。可以对相对权重向量中的权重值的大小进行排序，以得到重要度序列。排序方式可以是升序也可以是降序。
[0124]
在一个可能的实现方式中，一种可能的根据所述加权矩阵和所述超矩阵，确定加权超矩阵，包括：
[0125]
将所述加权矩阵和所述超矩阵对应元素的乘积，确定为所述加权超矩阵对应位置的元素，以得到所述加权超矩阵。
[0126]
需要说明的是，在由层次结构和网络结构共同构成的复杂结构中，可以对同层次的风险因素的重要性程度进行两两比较，同时通过控制层的风险组权重对网络层进行赋权处理。
[0127]
改进的网络层次分析法是对层次分析法及传统网络分析法的改进。传统的层次分析法方法认为同一层次中的各元素相互独立，方法的核心为考虑上层因素对下层因素的影响。然而，在复杂的决策问题中，仅考虑上下层间的影响是不科学的。传统的网络分析法虽考虑了风险因素间的相互影响，但是其在确定控制层权重及计算网络层两两比较矩阵时还依赖于层次分析法，存在计算过程繁琐、调整盲目等缺点。改进的网络分析法克服了这些缺陷。在复杂的系统问题中，采用改进的网络分析方法，考虑层次内部各因素的相互作用以及层次间因素的相互影响，形成全面的网络分析结构，且计算过程简洁，易于通过计算机程序实现。
[0128]
海洋立管风险因素评估方法。其使用原理为：
[0129]
①
综合采用模糊理论、改进的网络分析法(anp)。首先，邀请行业内专家对影响海洋立管安全运行的风险因素进行辨识，建立网络分析图，并对同层次风险因素间相对重要程度进行评判。
[0130]
②
各将专家评判意见通过模糊理论进行融合，运用改进网络分析法对评判意见矩阵进行处理，形成加权矩阵和超矩阵。
[0131]
③
对加权矩阵和超矩阵进行合并计算，得到加权超矩阵，最终得到各影响海洋立管安全运行的风险因素的相对权重。上述专家可以与前述实施例中的评估用户相等同。
[0132]
与上述实施例一致的，请参阅图4，图4为本技术实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
[0133]
确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；
[0134]
获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；
[0135]
根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；
[0136]
根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；
[0137]
根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。
[0138]
上述主要从方法侧执行过程的角度对本技术实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法
步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0139]
本技术实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本技术实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0140]
与上述一致的，请参阅图5，图5为本技术实施例提供了一种海洋立风管的风险评估装置的结构示意图。如图5所示，所述装置包括：
[0141]
第一确定单元501，用于确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；
[0142]
获取单元502，用于获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；
[0143]
第二确定单元503，用于根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；
[0144]
第三确定单元504，用于根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；
[0145]
第四确定单元505，用于根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。
[0146]
在一个可能的实现方式中，在所述根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵方面，所述第三确定单元504用于：
[0147]
根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；
[0148]
根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；
[0149]
获取所述最优一致矩阵的最大特征值对应的特征向量；
[0150]
根据所述特征向量，确定所述加权矩阵。
[0151]
在一个可能的实现方式中，在所述根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵方面，所述第三确定单元504用于：
[0152]
根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；
[0153]
根据所述参考判断矩阵，确定最佳转移矩阵；
[0154]
根据所述最佳转移矩阵，确定所述最优一致矩阵。
[0155]
在一个可能的实现方式中，在所述根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列方面，所述第四确定单元505用于：
[0156]
根据所述加权矩阵和所述超矩阵，确定加权超矩阵；
[0157]
根据所述加权超矩阵，确定极限超矩阵，所述极限超矩阵的行元素相同，所述极限超矩阵的列元素之和为1；
[0158]
根据所述极限超矩阵，确定所述风险因子的相对权重向量；
[0159]
根据所述相对权重向量，确定所述风险因子的重要度序列。
[0160]
在一个可能的实现方式中，在所述根据所述加权矩阵和所述超矩阵，确定加权超矩阵方面，第四确定单元505用于：
[0161]
将所述加权矩阵和所述超矩阵对应元素的乘积，确定为所述加权超矩阵对应位置的元素，以得到所述加权超矩阵。
[0162]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种xx方法的部分或全部步骤。
[0163]
本技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种xx方法的部分或全部步骤。
[0164]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0165]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0166]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0167]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0168]
另外，在申请明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
[0169]
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0170]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
[0171]
以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种海洋立风管的风险评估方法，其特征在于，所述方法包括：确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；根据所述控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，包括：根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；获取所述最优一致矩阵的最大特征值对应的特征向量；根据所述特征向量，确定所述加权矩阵。3.根据权利要求2所述的方法，其特征在于，所述根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵，包括：根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；根据所述参考判断矩阵，确定最佳转移矩阵；根据所述最佳转移矩阵，确定所述最优一致矩阵。4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，包括：根据所述加权矩阵和所述超矩阵，确定加权超矩阵；根据所述加权超矩阵，确定极限超矩阵，所述极限超矩阵的行元素相同，所述极限超矩阵的列元素之和为1；根据所述极限超矩阵，确定所述风险因子的相对权重向量；根据所述相对权重向量，确定所述风险因子的重要度序列。5.根据权利要求4所述的方法，其特征在于，所述根据所述加权矩阵和所述超矩阵，确定加权超矩阵，包括：将所述加权矩阵和所述超矩阵对应元素的乘积，确定为所述加权超矩阵对应位置的元素，以得到所述加权超矩阵。6.一种海洋立风管的风险评估装置，其特征在于，所述装置包括：第一确定单元，用于确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；获取单元，用于获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取所述网络层中的风险因子对应的第二相对风险权重值；第二确定单元，用于根据所述控制层中的风险类型对应的第一相对风险权重值，确定
第一判断矩阵，以及根据所述网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；第三确定单元，用于根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵，以及根据所述第二判断矩阵确定与所述网络层对应的超矩阵；第四确定单元，用于根据所述加权矩阵和所述超矩阵，确定所述风险因子的重要度序列，以得到所述海洋立风管的风险评估结果。7.根据权利要求6所述的装置，其特征在于，在所述根据所述第一判断矩阵，确定与所述控制层对应的加权矩阵方面，所述第三确定单元用于：根据所述第一判断矩阵，确定控制层中的风险类型对应的重要度排序指数；根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵；获取所述最优一致矩阵的最大特征值对应的特征向量；根据所述特征向量，确定所述加权矩阵。8.根据权利要求7所述的装置，其特征在于，在所述根据所述控制层中的风险类型对应的重要度排序指数，确定所述控制层对应的最优一致矩阵方面，所述第三确定单元用于：根据所述述控制层中的风险类型对应的重要度排序指数，确定参考判断矩阵；根据所述参考判断矩阵，确定最佳转移矩阵；根据所述最佳转移矩阵，确定所述最优一致矩阵。9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。

技术总结
本申请实施例提供一种海洋立风管的风险评估方法及相关装置，所述方法包括：确定海洋立风管的风险模型，所述风险模型包括有目标层、控制层和网络层；获取所述控制层中的风险类型对应的第一相对风险权重值，以及获取网络层中的风险因子对应的第二相对风险权重值；根据控制层中的风险类型对应的第一相对风险权重值，确定第一判断矩阵，以及根据网络层中的风险因子对应的第二相对风险权重值，确定第二判断矩阵；根据第一判断矩阵，确定与控制层对应的加权矩阵，以及根据第二判断矩阵确定与网络层对应的超矩阵；根据加权矩阵和超矩阵，确定风险因子的重要度序列，以得到海洋立风管的风险评估结果，能够提升对海洋立风管的风险评估时的准确性。估时的准确性。估时的准确性。


技术研发人员：余建星 范海昭 余杨 陈海成 吴世博
受保护的技术使用者：天津大学
技术研发日：2022.02.15
技术公布日：2022/5/25