基于HMM算法的礦山水災(zāi)害鏈復(fù)雜演化網(wǎng)絡(luò)模型及應(yīng)用

水災(zāi)害在礦山各類安全生產(chǎn)事故中的影響程度和造成的經(jīng)濟(jì)損失十分突出,以煤礦統(tǒng)計(jì)數(shù)據(jù)為例,2000—2020年,全國煤礦共發(fā)生水災(zāi)害757起,死亡3764人,經(jīng)濟(jì)損失居各類災(zāi)害之首。造成礦山水災(zāi)害風(fēng)險(xiǎn)的因素非常多,主要包括區(qū)域水文地質(zhì)、礦區(qū)自然地理性質(zhì)、地表水及地下水動(dòng)態(tài)變化特征等,這些不僅是構(gòu)成水災(zāi)害鏈的主、次要因素,也是導(dǎo)致水災(zāi)害風(fēng)險(xiǎn)演化錯(cuò)綜復(fù)雜的關(guān)鍵要素。依據(jù)災(zāi)害鏈定義及理論分析,地球上任何一個(gè)完整系統(tǒng)都可被視為一個(gè)動(dòng)態(tài)的開放性系統(tǒng),并由一系列復(fù)雜子系統(tǒng)及因素相互作用、相互聯(lián)系。礦山水災(zāi)害亦可被視為由各種相互聯(lián)系的因素構(gòu)成的復(fù)雜系統(tǒng)。國內(nèi)外就礦山水災(zāi)害鏈演化模型開展了大量研究。災(zāi)害鏈研究是將礦山災(zāi)害系統(tǒng)化,將其發(fā)生機(jī)理和各因素之間的關(guān)系系統(tǒng)性地聯(lián)系起來,并根據(jù)時(shí)間性、空間性劃分為若干階段。王卓理等提出了災(zāi)害鏈?zhǔn)怯稍鸀?zāi)害及其引發(fā)的一種或多種次生災(zāi)害所形成的災(zāi)害系列構(gòu)成的;張瑞等引入了礦山水災(zāi)害相關(guān)因素的鏈?zhǔn)疥P(guān)系有著不同屬性的思想,深入研究發(fā)現(xiàn)礦山水災(zāi)害鏈既有一般災(zāi)害鏈的共性,即自然屬性、社會(huì)屬性和災(zāi)害學(xué)屬性,又有其自身的特殊性,如隨機(jī)性和可預(yù)測(cè)性等。災(zāi)害鏈網(wǎng)絡(luò)演化模型是對(duì)災(zāi)害鏈系統(tǒng)中各因素的因果關(guān)系及共同或分別對(duì)整個(gè)災(zāi)害鏈系統(tǒng)演化發(fā)展的影響規(guī)律的研究。李浩然等建立了地鐵災(zāi)害鏈復(fù)雜網(wǎng)絡(luò)演化模型,研究了經(jīng)典地鐵事故傳遞演化模式及地鐵水災(zāi)害鏈構(gòu)成;趙冬月等提出了時(shí)序性風(fēng)險(xiǎn)評(píng)估方法研究災(zāi)害演化過程及動(dòng)態(tài)變化特點(diǎn)的新理論,以此構(gòu)建了災(zāi)害演化網(wǎng)絡(luò)時(shí)序性風(fēng)險(xiǎn)評(píng)估模型。隱馬爾可夫模型(HMM)是對(duì)系統(tǒng)中存在的因素為不可觀測(cè)狀態(tài)及其狀態(tài)間轉(zhuǎn)移規(guī)律的研究。REZAEIANZADEH等建立了依據(jù)馬爾可夫鏈理論優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)水流狀況和水庫流入量;STRIPLING等[8]在蒙特卡洛算法統(tǒng)計(jì)基礎(chǔ)上建立了預(yù)測(cè)海岸線風(fēng)險(xiǎn)演變的UnaLinea模型,據(jù)此對(duì)海岸線演變情況及洪水進(jìn)行了預(yù)測(cè)。綜上所述,針對(duì)礦山水災(zāi)害鏈的形成和預(yù)測(cè)分析以及災(zāi)害風(fēng)險(xiǎn)演化均已有相關(guān)研究,但將災(zāi)害鏈和風(fēng)險(xiǎn)演化模型相結(jié)合對(duì)礦山水災(zāi)害進(jìn)行研究尚鮮有報(bào)道,且現(xiàn)有風(fēng)險(xiǎn)演化模型對(duì)于災(zāi)害鏈的斷鏈減災(zāi)還不能提供有效的理論支持?；诖?本文通過分析礦山水災(zāi)害的成災(zāi)因素,形成礦山水災(zāi)害鏈理論,并以分析節(jié)點(diǎn)事件對(duì)災(zāi)害鏈演化的影響為切入點(diǎn),針對(duì)由不同節(jié)點(diǎn)事件影響性所構(gòu)成的不同災(zāi)害鏈演化過程,以及依據(jù)各因素之間的關(guān)系和鏈?zhǔn)教匦?結(jié)合復(fù)雜演化網(wǎng)絡(luò)模型和HMM算法研究了礦山水災(zāi)害演化特性及風(fēng)險(xiǎn)。1礦山水災(zāi)害鏈1.1礦山水災(zāi)害成災(zāi)因素礦山水災(zāi)害指的是大量水涌入或滲入礦井或巷道,超出礦山開采時(shí)的預(yù)計(jì)排水量,給礦山開采和施工造成不利影響的災(zāi)害。水災(zāi)害的表現(xiàn)形式主要有透水、涌水、突水,其致因各不相同。本文將充水水源、導(dǎo)水通道、充水強(qiáng)度作為影響礦山水災(zāi)害的重點(diǎn)因素。而這3個(gè)因素從本質(zhì)上看又與礦山本身的水文地質(zhì)及氣候特征相關(guān),有學(xué)者基于礦山水文地質(zhì)結(jié)構(gòu)主要特征提出了幾種水害類型:大氣降水水害、地表水害、頂板水害、底板水害、貫穿型水害、老空水害等。本文從礦山整體考慮將礦山水災(zāi)害相關(guān)因素分為4個(gè)部分,綜合分析構(gòu)建基礎(chǔ)魚刺圖(見圖1)來研究礦山水災(zāi)害各種因素的構(gòu)成及相關(guān)性。圖1礦山水災(zāi)害成災(zāi)分析魚刺圖Fig.1Fishbonediagramforcauseanalysisofminewaterdisaster礦山水災(zāi)害系統(tǒng)由成災(zāi)環(huán)境集合、成災(zāi)因素集合、災(zāi)害承受集合構(gòu)成,而其中的主要影響因素充水水源表現(xiàn)為降雨、地表水、水庫、頂?shù)装搴畬拥?導(dǎo)水通道表現(xiàn)為斷層、陷落柱、導(dǎo)水裂隙、鉆孔未提前探測(cè)富水層、人工擋墻失效等;充水強(qiáng)度表現(xiàn)為涌入、潰入及受壓力導(dǎo)入的水量導(dǎo)致不同程度的突水,以及巖礦體本身富水性較強(qiáng)。由于礦山水災(zāi)害致災(zāi)因素的復(fù)雜性及受限于目前的科技水平,還無法明確影響因素間的相互關(guān)系及機(jī)理,因此分別采用確定性理論預(yù)測(cè)和非確定性理論預(yù)測(cè)來研究礦山水災(zāi)害[10]。將魚刺圖中的礦山水災(zāi)害系統(tǒng)分為確定性集合和非確定性集合。災(zāi)害承受集合作為確定性集合時(shí),成災(zāi)因素集合即為非確定性集合;當(dāng)成災(zāi)因子集合作為確定性集合時(shí),成災(zāi)環(huán)境集合則為非確定性集合。根據(jù)礦山系統(tǒng)中三大集合之間的相互作用和遞推關(guān)系,引入鏈?zhǔn)椒椒▉磉M(jìn)一步說明礦山水災(zāi)害系統(tǒng)中各因素之間的關(guān)系。1.2礦山水災(zāi)害鏈構(gòu)建通過對(duì)礦山水災(zāi)害系統(tǒng)成災(zāi)因素的分析,再結(jié)合災(zāi)害系統(tǒng)理論提出了災(zāi)害系統(tǒng)結(jié)構(gòu)體系,其災(zāi)害鏈構(gòu)成[11-12]可表示為D=E∩H∩S(1)式中,D

為災(zāi)害鏈系統(tǒng),E

為孕災(zāi)環(huán)境集合,H

為致災(zāi)因子集合,S

為承災(zāi)體集合。依據(jù)災(zāi)害鏈結(jié)構(gòu)關(guān)系以及礦山水災(zāi)害成災(zāi)分析魚刺圖,推理得出礦山水災(zāi)害鏈關(guān)系(見圖2)。圖2中的

Hf1、Hf2、Hf3

為致災(zāi)因子集合H

中不同層級(jí)演化的致災(zāi)因素集合。圖2礦山水災(zāi)害鏈關(guān)系Fig.2Minewaterdisasterchainrelationship通過對(duì)礦山水災(zāi)害鏈的梳理可知:在約束礦山水災(zāi)害發(fā)生時(shí)孕災(zāi)環(huán)境只由大氣環(huán)境因素、地理及巖體環(huán)境因素、礦道工作環(huán)境因素、礦體本身環(huán)境因素決定時(shí),得到與之相互影響的主要因素是

Hf1中的4個(gè)致災(zāi)因子;同理推出Hf2、

Hf3

的致災(zāi)因子,從而得到確切的承災(zāi)體。由水害鏈的構(gòu)建及演化分析得出,災(zāi)害鏈在演化過程中70%的時(shí)間處于孕育階段,25%的時(shí)間處于潛存階段,5%的時(shí)間處于爆發(fā)階段[13]。礦山災(zāi)害鏈的演化過程具有時(shí)間性,且不能直接判斷礦山系統(tǒng)當(dāng)前所處的時(shí)間段。將礦山水災(zāi)害鏈演化過程劃分為3個(gè)環(huán)節(jié),即致災(zāi)、激發(fā)、損害,3個(gè)環(huán)節(jié)共同形成一個(gè)相互傳遞的過程[14]。將孕災(zāi)環(huán)境集合作為致災(zāi)環(huán)節(jié),致災(zāi)因子集合作為激發(fā)環(huán)節(jié),承災(zāi)體集合及災(zāi)害輸出作為損害環(huán)節(jié),依據(jù)3個(gè)環(huán)節(jié)相互傳遞關(guān)系,表達(dá)出礦山水災(zāi)害系統(tǒng)中各因素集合的關(guān)系及演化過程(見圖3)。圖3礦山水災(zāi)害鏈傳遞及演化關(guān)系Fig.3Relationshipbetweentransmissionandevolutionaryofminewaterdisasterchain礦山水災(zāi)害鏈具有復(fù)雜的因果關(guān)系。如多因一果關(guān)系,表現(xiàn)為致災(zāi)因子中地下水的誘發(fā)是因?yàn)榈乩砑皫r體環(huán)境因素、礦道工作環(huán)境因素、礦體本身環(huán)境因素決定的;如一因多果關(guān)系,表現(xiàn)為大氣環(huán)境因素影響大氣降水、地表水兩個(gè)致災(zāi)因子?；诖?引入復(fù)雜網(wǎng)絡(luò)模型結(jié)合隱馬爾可夫算法優(yōu)化模型來研究礦山水災(zāi)害鏈的演化及風(fēng)險(xiǎn)評(píng)價(jià)。2礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型2.1礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型分析引入介數(shù)中心性、接近度中心性、度中心性來評(píng)價(jià)節(jié)點(diǎn)對(duì)整體系統(tǒng)的影響,并將系統(tǒng)網(wǎng)絡(luò)中節(jié)點(diǎn)對(duì)其演化影響的重要性進(jìn)行總結(jié),以此構(gòu)成評(píng)價(jià)系統(tǒng)網(wǎng)絡(luò)綜合中心性模型。1)災(zāi)害節(jié)點(diǎn)演化性子模型整體災(zāi)害演化是由不同災(zāi)害節(jié)點(diǎn)的事件連接而成的,根據(jù)實(shí)際情況和災(zāi)害自身演化規(guī)律可能涉及其中一條演化節(jié)點(diǎn)事件鏈,此子模型對(duì)應(yīng)分析節(jié)點(diǎn)事件的演化性。(2)式中,

Bc

表示介數(shù)中心性,

δ(m,n|i)表示節(jié)點(diǎn)

m

到

n

經(jīng)過

i

的最短路徑條數(shù),δ(m,n)表示節(jié)點(diǎn)

m

到

n

之間的最短路徑條數(shù)。2)災(zāi)害節(jié)點(diǎn)影響度子模型災(zāi)害事件發(fā)生中各個(gè)節(jié)點(diǎn)事件對(duì)前后節(jié)點(diǎn)事件的影響程度不同,此子模型對(duì)應(yīng)分析節(jié)點(diǎn)事件的影響度。(3)式中,

Cc

表示接近中心性,

dij

表示起點(diǎn)

i

到終點(diǎn)

j

的最短路徑中邊的數(shù)量,N

表示網(wǎng)絡(luò)系統(tǒng)中節(jié)點(diǎn)總數(shù)。3)災(zāi)害節(jié)點(diǎn)重要度子模型根據(jù)災(zāi)害事件的發(fā)生及演化過程,在整個(gè)災(zāi)害網(wǎng)絡(luò)中不同災(zāi)害節(jié)點(diǎn)事件對(duì)應(yīng)的影響重要度不同,此子模型對(duì)應(yīng)分析節(jié)點(diǎn)事件的重要度。(4)式中,Dc表示度中心性,

δij

表示節(jié)點(diǎn)

i

與節(jié)點(diǎn)

j

之間邊的條數(shù)。礦山水災(zāi)害鏈演化網(wǎng)絡(luò)為有向圖,即度中心性存在in-degree和out-degree,分別表示為

和為方便計(jì)算,

Dc

取這兩個(gè)值的平均值。4)災(zāi)害綜合中心性模型依據(jù)上述3個(gè)子模型的值來判別節(jié)點(diǎn)事件對(duì)災(zāi)害系統(tǒng)的影響及演化程度。Ii∝DO(i)=(Bc+Cc+Dc)/3。(5)綜合中心性模型表示的節(jié)點(diǎn)重要度

Ii

取決于節(jié)點(diǎn)的綜合中心性

DO(i)值的大小。介數(shù)中心性表示值越大,該節(jié)點(diǎn)對(duì)系統(tǒng)事件發(fā)生及演化的影響越大;接近度中心性表示值越大,該節(jié)點(diǎn)在系統(tǒng)事件中的重要度越大;度中心性表示值越大,該節(jié)點(diǎn)在系統(tǒng)中的關(guān)鍵性越強(qiáng)。綜合中心性中節(jié)點(diǎn)重要度越大,表示該節(jié)點(diǎn)在災(zāi)害系統(tǒng)中對(duì)后續(xù)演化的重要程度越大。Bc的

δ(m,n|i)、δ(m,n)以及

Cc

的

dij

參數(shù)表達(dá)過程可視為具有馬爾可夫性的轉(zhuǎn)移過程,如圖2中,礦道工作環(huán)境因素引發(fā)礦山水災(zāi)害,下圖節(jié)點(diǎn)誘發(fā)事件分為巖層不同特性、地表水影響、地下水影響,再下一節(jié)點(diǎn)為巖層突水、巖層較薄等引起的不同次生節(jié)點(diǎn)事故誘發(fā)因素,其后為各下一事故因素分支節(jié)點(diǎn),由此說明其符合馬爾可夫轉(zhuǎn)移特性。又因?yàn)橄到y(tǒng)事件的發(fā)展存在可觀測(cè)狀態(tài)和不可直接觀測(cè)狀態(tài),可觀測(cè)狀態(tài)指當(dāng)前節(jié)點(diǎn)事件已發(fā)生時(shí)產(chǎn)生的影響或者具象化表現(xiàn),而不可觀測(cè)狀態(tài)指無法直接判斷當(dāng)前節(jié)點(diǎn)事件由哪一個(gè)前節(jié)點(diǎn)事件演化而來的,且該節(jié)點(diǎn)又如何繼續(xù)演化至下一個(gè)節(jié)點(diǎn),也可以理解為該節(jié)點(diǎn)前后演化發(fā)生的最大可能性,這一特性符合馬爾可夫理論中的隱馬爾可夫模型。因此,本文引入隱馬爾可夫模型算法進(jìn)行節(jié)點(diǎn)轉(zhuǎn)移及系統(tǒng)網(wǎng)絡(luò)演化研究。2.2基于HMM算法的礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型2.2.1隱馬爾可夫模型簡介一個(gè)隱馬爾可夫模型由S、O、π、A、B等5個(gè)變量構(gòu)成,即λ=(S,O,π,A,B),計(jì)算式為π=[πi],(6)A={π[aij]N·N,[aij]=P(sj|si)},(7)B={π[bij]N·Μ,[bij]=P(oi|sj)},(8)式中:S

表示不可觀測(cè)狀態(tài),即隱含狀態(tài);O

表示可觀測(cè)狀態(tài),即非隱含狀態(tài);N

表示隱含狀態(tài)個(gè)數(shù);Μ

表示非隱含狀態(tài)個(gè)數(shù);π

表示初始隱含狀態(tài)概率矩陣;πi表示最初狀態(tài)為

i

的概率;A

表示隱含狀態(tài)轉(zhuǎn)移概率矩陣,即系統(tǒng)集合中狀態(tài)之間相互轉(zhuǎn)移概率;aij

表示在

si

狀態(tài)下t+1時(shí)刻隱含狀態(tài)為

sj

的概率;Β表示可觀測(cè)狀態(tài)轉(zhuǎn)移概率分布;bij

表示在隱含狀態(tài)為

sj

時(shí)t

時(shí)刻觀測(cè)狀態(tài)

oi

的概率。2.2.2基于HMM算法的礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型構(gòu)建基于HMM算法的礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型構(gòu)建流程見圖4。依據(jù)網(wǎng)絡(luò)模型的節(jié)點(diǎn)和邊的細(xì)化結(jié)果,將33個(gè)節(jié)點(diǎn)及事件的發(fā)生確定為可觀測(cè)狀態(tài),A-F集合確定為隱狀態(tài),即不可觀測(cè)狀態(tài)(見圖5);集合間的轉(zhuǎn)移概率確定為隱含狀態(tài)轉(zhuǎn)移概率;節(jié)點(diǎn)時(shí)間轉(zhuǎn)移概率確定為可觀測(cè)狀態(tài)轉(zhuǎn)移概率。1)災(zāi)害節(jié)點(diǎn)最優(yōu)演化性子模型利用HMM算法對(duì)節(jié)點(diǎn)演化發(fā)生最優(yōu)路徑進(jìn)行分析。(9)式中,為HMM改進(jìn)介數(shù)中心性,為節(jié)點(diǎn)

m

到

n

經(jīng)過

u

由HMM算法代入最優(yōu)路徑的條數(shù);

為節(jié)點(diǎn)

m

到

n

由HMM算法代入最優(yōu)路徑的條數(shù)。2)災(zāi)害節(jié)點(diǎn)最大影響度子模型利用HMM算法對(duì)節(jié)點(diǎn)最可能影響災(zāi)害演化進(jìn)行分析。(10)式中,為HMM的改進(jìn)接近中心性,

為起點(diǎn)i

至終點(diǎn)

j

經(jīng)HMM算法代入最優(yōu)路徑中所含邊的數(shù)量。3)災(zāi)害優(yōu)化綜合中心性模型基于HMM算法的改進(jìn)綜合中心性模型表示的節(jié)點(diǎn)重要度

取決于節(jié)點(diǎn)的綜合中心性

值的大小。(11)將當(dāng)前節(jié)點(diǎn)事件的發(fā)生作為可觀測(cè)狀態(tài)

O,將當(dāng)前節(jié)點(diǎn)事件演化為下一個(gè)節(jié)點(diǎn)事件作為隱含狀態(tài)

S,借用前向-后向算法對(duì)狀態(tài)轉(zhuǎn)移概率進(jìn)行計(jì)算,得到初始狀態(tài)轉(zhuǎn)移矩陣,代入Baum-Welch算法找到模型最大狀態(tài)數(shù),再結(jié)合Viterbi算法求得最優(yōu)演化模型利用前向-后向算法解決模型初始值的設(shè)定問題:αt(i)=P(o1,o2,…,ot,it=qi|λ),(12)(13)βt(i)=P(ot

+1,ot

+2,…,ot

+n,it=qi|λ),(14)(15)將上述公式代入Beam-Welch算法找到模型最大狀態(tài)數(shù):(16)(17)(18)(19)利用Viterbi算法找到模型中最優(yōu)序列解δt(i),由此得到可觀測(cè)狀態(tài)

O

在模型

λ

中出現(xiàn)的最大概率及最優(yōu)演化路徑:(20)(21)(22)t=T-1,T-2,…,1。(23)由此得為最優(yōu)序列。圖4基于HMM算法的礦山水災(zāi)害鏈演化網(wǎng)絡(luò)模型構(gòu)建流程Fig.4FlowchartfortheevolutionarynetworkmodelofminewaterdisasterchainbasedonHMMalgorithmic圖5礦山水災(zāi)害鏈演化模型Fig.5Minewaterdisasterchainevolutionmodel3模型應(yīng)用及分析3.1模型應(yīng)用結(jié)果分析將孕災(zāi)環(huán)境中的因素視為一級(jí)直接影響因子,即直接威脅礦山安全或直接導(dǎo)致礦山水災(zāi)害,記為A;將致災(zāi)因子中的大氣降水、巖層不同特性、地表水影響、地下水影響視為二級(jí)直接影響因子,意義同一級(jí)直接影響因子,記為B;將致災(zāi)因子集合中的后續(xù)展開因素視為三級(jí)間接影響因子,即間接威脅礦山安全或間接造成礦山水災(zāi)害,記為C、D、E;將承載體及災(zāi)害輸出視為最終事件,即礦山水災(zāi)害產(chǎn)生并造成的不良影響。將各因素節(jié)點(diǎn)視為影響事件,將節(jié)點(diǎn)與節(jié)點(diǎn)之間連成的邊視為整個(gè)礦山水災(zāi)害系統(tǒng)的演化路徑。由圖5可知,構(gòu)建的網(wǎng)絡(luò)中有33個(gè)節(jié)點(diǎn)和55條邊,由此構(gòu)成了礦山水災(zāi)害鏈演化網(wǎng)絡(luò)(見圖6)。圖6礦山水災(zāi)害鏈演化網(wǎng)絡(luò)Fig.6Evolutionarynetworkofminewaterdisasterchain利用層次分析法對(duì)A1-A4進(jìn)行專家打分(分值1～5),再將結(jié)果代入SPSS計(jì)算權(quán)重(w1i);利用熵值法將A1-A4的連接邊數(shù)、專家打分歸一化值、災(zāi)害發(fā)生的可能性代入SPSS計(jì)算權(quán)重(w2j);將兩種方法算得的權(quán)重代入式(24)計(jì)算綜合權(quán)重(wi),結(jié)果見表1。(24)表1A1-A4權(quán)重Table1A1-A4

weights由此確定A1-A4的初始狀態(tài)分布為(25)依據(jù)案例分析給定模型參數(shù)初始值

A、Β,并代入Baum-Welch算法計(jì)算其最大似然數(shù),得到最優(yōu)模型解:(26)(27)將上述計(jì)算結(jié)果代入Viterbi算法找到模型中最優(yōu)序列解,網(wǎng)絡(luò)節(jié)點(diǎn)轉(zhuǎn)移結(jié)果見表2。表2網(wǎng)絡(luò)節(jié)點(diǎn)轉(zhuǎn)移結(jié)果Table2Transferringresultofnetworknodes將最優(yōu)序列解分別代入求解節(jié)點(diǎn)演化發(fā)生最優(yōu)路徑,用HMM算法計(jì)算節(jié)點(diǎn)演化的優(yōu)化值(見表3)。表3網(wǎng)絡(luò)各節(jié)點(diǎn)演化的優(yōu)化值Table2Optimizedvaluesofeachnodeofnetwork3.2風(fēng)險(xiǎn)演化分析由表3可知,E2、B2、B4、C3、C8、D6、D7、D11、D12的值最高。各節(jié)點(diǎn)事件的

值見圖7。圖7各節(jié)點(diǎn)事件

值

ofeventwitheachnode由圖7可知,B集合中的B2、B4,C集合中的C2、C3、C8,D集合中的D6、D7、D11、D12,E集合中的E2,其

值尤為突出。將以上各事件集合點(diǎn)代入網(wǎng)絡(luò)節(jié)點(diǎn)事件中,可以得出最有可能發(fā)生演化的4條災(zāi)害鏈為:A4→B4→C8→D6→E2→F1,A4→B2→C3→D7→E2→