modellezhetők. Véleményünk szerint itt is minden
tényezőre kiterjedő, matematikailag megalapozott kockázatelemzés
jelenthetne megoldást.
– A bányászati beruházásoknál a kockázatelemzés fő
feladata a technikai veszélyforrások (például vízbetörés,
sújtólégrobbanás) előrejelzése, valamint a minőségi elvárások
elérésének biztosítása. A földtani és geomatematikai modellek itt igen
fontosak.
– Az atomerőművek technikai veszélyforrásai nem
tartoznak szakterületünkbe. A természeti veszélyforrások – például
földrengések – várható maximális magnitúdójának meghatározása
elsőrendű kockázatelemzési feladat. Az eddigi kockázatelemzések egy
adott időegység (például száz év) alatt észlelt, adott magnitúdójú
rengések számára vonatkoznak. Viszont helytelennek tartjuk ezeknek az
adatoknak a jövőre történő lineáris extrapolációját. A természeti
folyamatok ugyanis többnyire nem lineárisak.
– A toxikus hulladékok elhelyezésénél a mérgező
anyagok kiszabadulása jelent nagy kockázatot (például a cianidos
aranytermelés esetében Erdélyben).
– A radioaktív hulladékok kockázatcsökkentésére
világszerte több évtizede összehangolt erőfeszítések folynak. A
hulladékot felszíni és mélységi tárolókban helyezik el. Míg a toxikus
hulladékok mérgező hatása állandó marad, addig a radioaktív hulladékok
veszélyes sugárzása a felezési idő miatt fokozatosan csökken.
A nyersanyagok ipari feldolgozása során nagy tömegű
melléktermékek is keletkeznek, amelyek biztonságos elhelyezése is
kockázatelemzéssel érhető el. Az ajkai vörösiszap-katasztrófa
bekövetkezése (2010. október) véleményünk szerint megfelelő
kockázatelemzéssel elkerülhető lett volna. Nagy nehézfémtartalmuk
miatt különösen veszélyesek a felhagyott ércbányák hányói (például a
Mátra-hegységben Gyöngyösoroszi).
A fent felsorolt kockázatoknál gyakran egy előre
meghatározott küszöbérték megállapítását tekintik a kockázatelemzés
egyik fő feladatának. Ugyanakkor az ezt meghaladó értékek
bekövetkezésének valószínűségét általában alábecsülik.
Bizonytalanság és kockázat
Minden kockázatelemzés több-kevesebb bizonytalanságot tartalmaz. Ezek
egyik része a természet térbeli és időbeli változékonyságából fakad,
másik része pedig a nem tökéletes ismeretekből eredő emberi
hibaforrások következménye. Ilyenek a tárgykör hiányos ismerete, a
hiányos mintavétel és adatgyűjtés, a pontatlan modellezés, az elemzési
hibák, a kiválasztott matematikai módszerek pontatlan alkalmazása stb.
A kétféle bizonytalanság megkülönböztetett értékelése elengedhetetlen
feladat. A klasszikus valószínűség-számítási módszerek mellett az
utóbbi években született új matematikai eljárások – például a
lehetőségelmélet (Zadeh, 1978; Dubois – Prade, 1988; Dubois, 2006), a
fuzzy halmazok, a fuzzy geostatisztika, a valószínűségi dobozok
(Ferson et al., 1999), a pontatlan valószínűségek – erre a célra
alkalmasak, amint erről a Magyar Tudományban nemrég írtunk (Bárdossy
Gy. – Fodor, 2011). A bizonytalanságokról és a kockázatelemzés
módszereiről további részletes leírás található könyvünkben (Bárdossy
Gy. – Fodor, 2004).
A kockázatelemzés során a bemenő paraméterek
bizonytalanságának kezelésére kiválasztandó módszer a rendelkezésre
álló információtól függ. Ha változékonyságról van szó, és elegendő
statisztikai információnk van, akkor a valószínűség-számítás
alkalmazható. Ha az információ hiányos valamelyik értékre, akkor az
intervallumaritmetika (Moore, 1966) vagy a lehetőségelmélet (fuzzy
intervallumok) jöhet szóba (Dubois, 2010).
A kockázatelemzés folyamata
Az alapadatok összegyűjtése reprezentatív mintavétellel. A mintavétel
akkor tekinthető reprezentatívnak, ha a minták együttese valósan,
torzításmentesen képezi le az adott objektumot, folyamatot. Az adatok
bizonytalanságát már ezen a szinten figyelembe kell venni.
Földtudományi modell készítése, ami alapfeltétele a
valós eredményt hozó kockázatelemzésnek. Ennek fontossága ma még sok
helyen nem tudatosult. A földtudományi modellben a kockázatot
befolyásoló összes tényezőt figyelembe kell venni. A tényezők
kiválasztása nem lehet önkényes (Brezsnyánszky, 2011).
Geomatematikai modell készítése, amelyben
matematikai formába öntjük a földtudományi modell szükségszerűen leíró
jellegű megállapításait. A változékonyság modellezése esetén a
hagyományos statisztikai mutatók közül az átlag, a módusz, a szórás és
a ferdeség megadása kívánatos. Nem tökéletes ismeretekből eredő
bizonytalanságok esetén fuzzy számok, valószínűségi dobozok és
lehetőségeloszlások közlése szükséges. Mindezek kiegészítésére Monte
Carlo-szimulációt lehet alkalmazni, ilyenkor figyelembe kell venni a
változók korrelációs kapcsolatait. Folyamatok geomatematikai
modellezéséhez differenciálegyenletek alkalmazása is szükséges.
A kockázatelemzés geomatematikai módszereinek
kiválasztása. Legegyszerűbb esetben a statisztika „frekventista”
módszereit lehet alkalmazni. Érdemben kiegészíthető ez a Bayes-féle
statisztika módszereivel. Az alsó és felső valószínűségi sávok
alkalmazása többletmunkával jár, de hasznos információkat eredményez
(Ferson et al., 1999). Információhiány esetén nélkülözhetetlen a fuzzy
aritmetika és logika alkalmazása. Különösen bonyolult jelenségek
esetén célszerű a fuzzy neurális hálózatok alkalmazása (Fullér, 2000).
Kiemelt fontosságúnak tartjuk a következő négy módszert bizonytalan
objektumok és folyamatok kockázatelemzésére (Baudrit – Dubois, 2005):
hibrid módszer, független véletlen halmazok, konzervatív véletlen
halmazok, függőségi határok konvolúciója. E módszerek alkalmazását
konkrét esettanulmányokon is bemutatták, ami a hazai alkalmazást
nagyban megkönnyítheti.
Befejezésül értékelni kell, hogy a kiválasztott
módszerek az adott esetben elegendők-e a megbízható kockázatelemzésre.
A kiválasztott geomatematikai módszer alkalmazása.
A számításoknál az adott módszer szabályait kell alkalmazni (például
fuzzy módszernél a fuzzy aritmetika szabályait). Speciális metodikát
kíván a hibák terjedésének végigvezetése a számításokon. Ezeket a
végeredményben külön fel kell tüntetni.
A lehetséges kimenetelek és bekövetkezésük
esélyének meghatározása. A lehetséges kimenetelek meghatározása
alapvetően földtudományi feladat, és a földtudományi modellre épül. A
kimenetelek esélyét (valószínűségét) változékonyság esetén a
statisztika módszereivel lehet meghatározni. További lehetőség rejlik
a Dempster–Shafer-elméletben (Dempster, 1976; Shafer, 1976), valamint
a copulákban (Bárdossy A. – Li, 2008). A hiányos információból fakadó
bizonytalanságok esetén nélkülözhetetlen a nem sztochasztikus
módszerek alkalmazása (Bárdossy Gy. – Fodor, 2011), mert a kimenetelek
között, ha ritkán is, átmenetek is lehetségesek.
A következmények nagyságának kiszámítása
(kimenetelenként külön-külön). A következmények matematikai értelemben
lehetnek folytonos vagy diszkrét változók, amit a kiértékeléskor
figyelembe kell venni. Bizonytalan kiinduló adatok esetén a
következmények meghatározása is bizonytalan. Az ún.
érzékenységvizsgálatok segítik a bizonytalanságot leginkább
befolyásoló tényezők felismerését. Nemzetközi tapasztalat, hogy
gyakran igen kis valószínűségű kimenetelek következményei a
legnagyobbak.
Döntéshozatal
A kockázatelemzés záró lépése a döntéshozatal. A legtöbb esetben több
alternatíva közül lehet választani. A döntés alapjául a következmény
nagysága és bekövetkezésének esélye szolgál. A hazai gyakorlatban
ezért több szakember a következmény és valószínűségének szorzatát
tekinti a választás fő szempontjának. Ez sajnos téves megközelítés,
mert az adott helyzettől függően mind a következmény, mind annak
valószínűsége eltérő jelentőségű lehet. Jó példa erre az atomerőművek
biztonsága, ahol még igen kis valószínűség esetén is a következménynek
meghatározó szerepe lehet.
Összefoglalás
Tanulmányunk elsődleges célja a természeti és az emberi eredetű
veszélyforrások, kockázatok áttekintése volt. Ezután a kockázatelemzés
új, hazánkban eddig kevéssé ismert módszereit tekintettük át. A
tanulmány megszabott terjedelme nem tette lehetővé e módszerek
részletes ismertetését és esettanulmányok bemutatását. Ezeket egy
újabb tanulmányban érdemes lenne kifejteni.
Kulcsszavak: természeti veszélyforrások, emberi kockázatok,
kockázatelemzési módszerek
IRODALOM
Baudrit, Cédric – Dubois, Didier (2005):
Comparing Methods for Joint Objective and Subjective Uncertainty
Propagation with an Example in Risk Assessment. In: Proc. of the 4th
International Symposium on Imprecise Probabilities and Their
Applications. Pittsburgh, Pennsylvania •
WEBCÍM >
Bárdossy András – Li, Jing (2008):
Geostatistical Interpolation Using Copulas. Water Resources Research.
44, 1–15. DOI:10.1029/2007WR006115
Bárdossy György – Fodor J. (2004):
Evaluation of Uncertainties and Risks in Geology. Springer,
Berlin–Heidelberg •
WEBCÍM >
Bárdossy György – Fodor János (2011):
Matematikai módszerek alkalmazása a földtudományokban. Magyar
Tudomány. 172, 6, 703–709. •
WEBCÍM >
Brezsnyánszky Károly (2011): És mégis
mozog a Föld. História. 4, 24–25.
Dempster, Arthur P. (1976): Upper and
Lower Probabilities Induced by a Multivalues Mapping. Annals of
Mathematical Statistics. 38, 2, 325–339. •
WEBCÍM >
Dubois, Didier (2006): Possibility Theory
and Statistical Reasoning. Computational Statistics and Data Analysis.
51, 47–69. •
WEBCÍM >
Dubois, Didier (2010): The Role of
Epistemic Uncertainty in Risk Analysis. In: Scalable Uncertainty
Management. Lecture Notes in Computer Science. 6379, 11–15. DOI:
10.1007/978-3-642-15951-0 •
WEBCÍM >
Dubois, Didier – Prade, Henri M. (1988):
Possibility Theory. An Approach to Computerized Processing of
Uncertainty. Plenum Press, New York
Ferson, Scott – Root, W. – Kuhn, R.
(1999): RAMAS Risk Calc. Risk Assessment with Uncertain Numbers.
Applied Biomathematics, Setauket, New York
Fullér Róbert (2000): Introduction to
Neuro-Fuzzy Systems. Physica Verlag, Heidelberg •
WEBCÍM >
Moore, Ramon E. (1966): Interval Analysis.
Prentice-Hall, Englewood Cliffs.
Pino, Alessandro (2011): The Analysis of
Historical Seismograms: An Important Tool for Seismic Hazard
Assessment. Case Histories from French and Italian Earthquakes.
Bulletin de la Société Géologique de France. 182, 4, 367–379. doi:
10.2113/gssgfbull.182.4.367
Shafer, Glenn (1976): A Mathematical
Theory of Evidence. Princeton University Press, Princeton, New Jersey
Smalley, Craig P. – Begg, S. H. – Naylor,
M. – Johnsen, S. – Godi, A. (2008): Handling Risk and Uncertainty in
Petroleum Exploration and Asset Management. AAPG Bulletin. 92, 10,
1251–1261.
Újvári Gábor (2007):
Földcsuszamlás-kockázat vizsgálata fuzzy és neuro-fuzzy rendszerek
segítségével. Geomatikai Közlemények. 10, 145–158. •
WEBCÍM >
Varga Péter (2011): Földrengések
előrejelzése. Magyar Tudomány. 172, 7, 843-860. •
WEBCÍM >
Zadeh, Lotfi A. (1978): Fuzzy Sets as a
Basis for a Theory of Possibility. Fuzzy Sets and Systems. 1, 3–28.
DOI:10.1016/0165-0114(78)90029-5
|