这篇文档属于类型a，是一篇关于使用动态贝叶斯网络（Dynamic Bayesian Network, DBN）方法评估相互关联的关键基础设施在多灾害风险下的韧性的原创研究。以下是详细的学术报告：
作者及机构
本研究由Soheil Bakhtiari、Mohammad Reza Najafi（通讯作者）、Katsuichiro Goda和Hassan Peerhossaini合作完成。作者团队分别来自加拿大西安大略大学（Western University）土木与环境工程系、地球科学系，以及法国巴黎西岱大学（Université Paris Cité）的宇宙粒子与宇宙学实验室。研究发表于2025年的《Reliability Engineering and System Safety》期刊（Volume 257, Article 110815）。
学术背景
本研究属于灾害风险与基础设施韧性交叉领域。近年来，自然灾害频率和强度显著增加，但传统风险评估方法（多为静态模型）难以捕捉基础设施系统在故障场景中的动态性和相互关联性。例如，2016年热带风暴“马修”（TSM）对圣卢西亚岛（Saint Lucia）的关键基础设施（如国际机场、道路网络）造成连锁破坏，凸显了多灾害（multi-hazard）和级联效应（cascading effects）的复杂性。
研究目标是通过开发DBN框架，动态模拟相互关联的基础设施系统在灾害中的破坏与恢复过程，量化其韧性（resilience），并为风险管理提供实时评估工具。
研究流程与方法
研究区域与数据准备
- 对象：加勒比海岛国圣卢西亚的109个关键基础设施实体（如机场、道路、电力系统），构成复杂网络（表S1）。
- 数据来源：通过开源数据、实地调查和利益相关者访谈获取，包括实体失效概率、依赖程度（degree of dependence）及功能影响等级（degree of impact）。
- 灾害数据：基于历史事件（如TSM）的洪水概率模型（Zhang and Najafi, 2021）和假设的滑坡情景。
动态贝叶斯网络（DBN）框架构建
- 理论基础：DBN是贝叶斯网络（BN）的时序扩展，通过联合概率分布（式2-3）和条件概率表（CPTs）建模节点状态（“运行”或“失效”）的时空依赖关系。
- 关键创新：
- 引入两时间片模型（2TBN，图3），通过层内（intra-slice）和层间（inter-slice）依赖关系捕捉灾害传播的动态过程。
- 开发失效概率分配算法（式8），结合平均失效间隔时间（MTBF）和灾害持续时间（如TSM持续48小时）计算实体失效概率（表1）。
破坏与恢复过程建模
- 破坏阶段（10个时间片，每2小时一步）：
- 洪水灾害概率随时间递增（表2），例如“消防救援建筑”和“跑道状态”的最大洪水概率分别为0.9和0.6。
- 使用式（10）-（11）计算节点状态，考虑父节点失效和高依赖度（≥0.8）的级联效应（表3）。
- 恢复阶段（13个时间片，共24小时）：
- 采用指数函数（式14）模拟恢复曲线，参数基于平均修复时间（MTTR）和功能损失等级（表4）。
多灾害情景分析
- 设计7种单/多灾害场景（表6），例如洪水+滑坡的复合事件（图7）。
- 量化“城际道路运输”因滑坡导致的概率下降（0.4→0.993，分4阶段恢复，表5）及其对旅游业的影响。
韧性评估
- 通过性能曲线积分（式7）计算韧性指数（R），比较不同场景下“机场运营”和“旅游业”的恢复能力（图16）。
主要结果
灾害传播路径
- 目标实体（如跑道、消防站）的失效通过依赖网络（图9）导致“机场正常运营”和“旅游业”功能骤降（图10）。例如，旅游业工作概率在事件开始后12小时趋近于零，恢复滞后目标实体3小时。
多灾害敏感性
- 复合灾害场景（洪水+滑坡）的韧性指数最低（图16），旅游业因道路运输中断额外损失37%功能（图15）。
- 单实体失效场景（如仅跑道受影响）的恢复速度最快（图12），验证了关键节点的瓶颈效应。
动态分析优势
- DBN成功捕捉到静态模型忽略的时序依赖性，例如洪水概率峰值（18小时）与机场功能最低点的延迟关联（图8）。
结论与价值
科学价值
- 提出首个结合DBN与多灾害级联效应的韧性评估框架，弥补了静态模型（如传统BN）和单灾害分析的局限性。
- 揭示了基础设施依赖网络的非对称脆弱性，如国际机场和旅游业对级联效应的高度敏感。
应用价值
- 为政策制定者提供实时风险决策工具，例如优先加固高依赖度（≥0.8）节点以阻断灾害传播链。
- 案例研究（圣卢西亚）可推广至其他灾害频发的小岛发展中国家（SIDS）。
研究亮点
- 方法创新：开发了支持多灾害时序分析的DBN框架，并集成概率风险与韧性量化指标。
- 实证贡献：首次完整建模圣卢西亚基础设施网络的级联失效，数据涵盖109个实体。
- 跨学科性：融合土木工程、复杂系统科学和贝叶斯统计方法。
其他价值
研究指出DBN的局限性（如无法直接建模反馈循环），建议未来结合系统动力学（system dynamics）或马尔可夫模型（Markov models）进一步优化。