Page 221 - 城镇燃气管道检测与评估技术规程

第四章 城镇燃气管道安全风险识别及管控

险评价所需数据的集成，改变了传统风险评价过程中不同业务数据需要从不同系
统提取的局面，风险评价系统将会从数据中心实时提取所需数据，在实时、动态
掌握风险评价结果的同时，大大减轻了人力成本。

2. 风险评价结果更为准确，实现风险预测预警
（1）录入数据准确性方面
智能管道时代，风险评价数据主要来源于管道实时监测数据，同时通过不同
信息系统的融合互联，完成建设期数据、管道日常管理数据、社会环境数据等风

险评价所需数据的收集和整合。风险评价数据采集录入模式包括：①在线填报上
传。②业务系统数据提取。③智能移动端采集上传。④离线填报，本地保存，在
有网络环境后进行同步，确保数据录入可行性与及时性。这些采集录入方式极大
减少人为数据录入，使风险评价的关键信息数据采集更加真实、准确、实时和可

追溯。
（2）风险评价模型方面
传统的风险评价方法认为，任何给定管段的风险分值是由失效概率和后果的
函数确定的，风险分值受所识别的风险因素及其设定的权重影响。也就是说传统

的风险评价方法过于主观，主要依赖于专家判断，仅能够进行部分失效原因分析，
再加上数据不足，降低了评价准确度。
随着大数据时代的到来，“管道大数据化”的概念应运而生，大数据意味着
管道从生产开始到服役的最后一刻所有的数据都将被保留下来。管道大数据的定

义为：以管道内检测数据为基线，实现将内检测信息、外检测数据、设计施工资
料数据、历史运维数据、管道环境数据和日常管理数据等的校准、对齐整合，使
各类数据均可对应各环焊缝信息，形成统一的数据库或数据表。在大数据条件下，
风险分析的方向由因果关系的分析，变为关联性分析。只要数据满足空间及时间

上的一致性要求，将采集到的设计、建设、运行、检测监测及失效等数据进行梳
理，作为潜在风险影响因素，利用机器学习的方法（见图 4-7），以模拟人脑思
维和学习的方式，对管道风险和管道安全状态进行学习，给出潜在影响因素的重
要度排序，就可以对风险进行预测预警。

213