stringtranslate.com

Теория сетей в оценке риска

Сеть — это абстрактная структура, охватывающая только основы моделей соединений и немного больше. Поскольку это обобщенная модель, инструменты, разработанные для анализа, моделирования и понимания сетей, теоретически могут быть реализованы в разных дисциплинах. Пока система может быть представлена ​​сетью, существует обширный набор инструментов — математических , вычислительных и статистических , — которые хорошо развиты и, если поняты, могут быть применены для анализа интересующей системы.

Рисунок 1: Диаграмма «галстук-бабочка» компонентов в направленной сети

Инструменты, которые в настоящее время используются для оценки риска, часто достаточны, но сложность модели и ограничения вычислительной мощности могут связать оценщиков риска с привлечением большего количества причинно-следственных связей и учетом большего количества результатов событий Черного лебедя . Применяя инструменты теории сетей для оценки риска, вычислительные ограничения могут быть преодолены и привести к более широкому охвату событий с более узким диапазоном неопределенностей. [1]

Процессы принятия решений не включены в рутинные оценки рисков; однако они играют в таких процессах решающую роль. [2] Поэтому для оценщиков рисков очень важно минимизировать предвзятость подтверждения , проводя свой анализ и публикуя свои результаты с минимальным участием внешних факторов, таких как политика, СМИ и адвокаты. Однако в действительности практически невозможно разорвать железный треугольник между политиками, учеными (в данном случае, оценщиками рисков), адвокатами и СМИ. [3] Оценщикам рисков необходимо быть чувствительными к разнице между исследованиями рисков и восприятием рисков. [4] [5] Один из способов сблизить их — предоставить лицам, принимающим решения, данные, на которые они могут легко положиться и которые они могут понять. Использование сетей в процессе анализа рисков может визуализировать причинно-следственные связи и определить весомые или важные факторы, влияющие на вероятность критического события. [6]

Диаграммы «галстук-бабочка» , диаграммы причинно-следственных связей , байесовские сети ( направленная ациклическая сеть) и деревья неисправностей — вот лишь несколько примеров того, как сетевые теории могут применяться при оценке рисков. [7]

В оценках эпидемиологического риска (рис. 7 и 9) после построения сетевой модели мы можем визуально увидеть, а затем количественно оценить и оценить потенциальный риск заражения или заражения людей, связанных с пациентами с хорошими связями (Пациенты 1, 6, 35, 130 и 127 на рис. 7) или местами с высокой посещаемостью (Отель M на рис. 9). В оценках экологического риска (рис. 8) с помощью сетевой модели мы можем определить ключевые виды и определить, насколько широко будут распространяться воздействия от исследуемых потенциальных опасностей.

Ключевые компоненты оценки риска

Рисунок 2: Анализ, оценка, анализ и управление рисками

Оценка риска — это метод работы с неопределенностью. Чтобы он был полезен для общего управления рисками и процесса принятия решений, он должен быть способен фиксировать экстремальные и катастрофические события. Оценка риска состоит из двух частей: анализа риска и оценки риска, хотя термин « оценка риска » можно рассматривать как неотличимый от « анализа риска ». В целом, оценка риска может быть разделена на следующие этапы: [8]

  1. Спланируйте и подготовьте анализ рисков.
  2. Определите и разграничьте систему и область анализа.
  3. Определите опасности и потенциально опасные события.
  4. Определите причины и частоту каждого опасного события.
  5. Определите сценарии аварий (т.е. даже последовательности), которые могут быть инициированы каждым опасным событием.
  6. Выберите соответствующие и типичные сценарии аварий.
    Рисунок 3: Диаграмма «галстук-бабочка» управления рисками
  7. Определите последствия каждого сценария аварии.
  8. Определите частоту каждого сценария аварии.
  9. Оцените неопределенность.
  10. Составьте и опишите картину риска.
  11. Сообщите результаты анализа.
  12. Оцените риск по критериям приемлемости риска
  13. Предложить и оценить потенциальные меры по снижению риска.

Естественно, количество требуемых шагов меняется в зависимости от каждой оценки. Это зависит от области анализа и сложности объекта исследования. [9] Поскольку в любом процессе анализа риска всегда присутствует разная степень неопределенности, обычно проводятся анализы чувствительности и неопределенности для снижения уровня неопределенности и, следовательно, улучшения общего результата оценки риска.

Ключевые компоненты теории сетей

Сеть — это упрощенное представление, которое сводит систему к абстрактной структуре. Проще говоря, это набор точек, соединенных вместе линиями. Каждая точка известна как « вершина » (множество: « вершины ») или « узлы », а каждая линия — как « ребра » или « связи ». [10] Моделирование и изучение сетей уже применяются во многих областях, включая компьютерные, физические, биологические, экологические, логистические и социальные науки. Благодаря изучению этих моделей мы получаем представление о природе отдельных компонентов (т. е. вершин), связей или взаимодействий между этими компонентами (т. е. ребер), а также о схеме связей (т. е. сети).

Несомненно, изменения структуры (или модели) любой данной сети могут иметь большое влияние на поведение системы, которую она изображает. Например, связи в социальной сети влияют на то, как люди общаются, обмениваются новостями, путешествуют и, что менее очевидно, распространяют болезни. Чтобы лучше понять, как функционирует каждая из этих систем, необходимы некоторые знания о структуре сети.

Основная терминология

Эффект тесен-мир

Эффект маленького мира — одно из самых замечательных сетевых явлений. Он описывает открытие, что во многих (возможно, в большинстве) сетях средние расстояния между вершинами удивительно малы. [11] Он имеет множество последствий в различных областях сетевых исследований. Например, в социальных сетях можно размышлять о том, как быстро слух (или заразная болезнь) распространяется в сообществе. С математической точки зрения, поскольку длины путей в сетях обычно масштабируются как log n (где n = число вершин сети), вполне логично, что они остаются небольшим числом даже в больших сложных сетях.
Другая идея, которая приходит вместе с эффектом маленького мира, называется воронкообразованием . [12] Она была получена из эксперимента с социальными сетями, проведенного экспериментальным психологом Стэнли Милгрэмом в 1960-х годах. В этом эксперименте он пришел к выводу, наряду с феноменом эффекта маленького мира , что в любой данной социальной сети всегда было несколько человек, которые были особенно хорошо связаны. Эти несколько человек, следовательно, отвечали за связь между любыми членами и остальным миром.

Степень, концентраторы и пути

Рисунок 4: Небольшая сеть с несколькими ребрами и саморебрами
Степень вершины — это количество ребер, соединенных с ней. Например, на рисунке 4 вершина 3 имеет степень пять. Хабы — это вершины в сети с относительно более высокой степенью. Вершина 3 снова является хорошим примером. В социальной сети хабы могут означать людей со многими знакомыми. В оценке риска это может означать опасное событие с несколькими триггерами (или причинную часть диаграммы «галстук-бабочка»). Путь в сети — это маршрут между вершиной и другой через сеть. Из того же рисунка пример пути от вершины 1 до вершины 6 может быть 1→5→3→6.
Рисунок 5: Разъединенная направленная сеть с двумя компонентами (заштрихована)

Центральность

Центральность — это мера того, насколько важны (или центральны ) определенные вершины в сети. Ее можно измерить, подсчитав количество ребер, соединенных с ней (т.е. ее степень ). Вершины с самой высокой степенью, следовательно, имеют высокую степень центральности .
Степень центральности может иметь много последствий. В социальной сети человек с высокой степенью центральности может иметь большее влияние на других, больший доступ к информации или больше возможностей, чем те, у кого меньше связей. В сети цитирования статья с высокой степенью центральности может предполагать, что она более влиятельна и, таким образом, имеет большее влияние на соответствующую область исследований. [13]
Рисунок 6: Связанная направленная сеть с двумя компонентами (заштрихована)
Центральность по собственному вектору является расширением концепции центральности степени, основанной на том факте, что во многих сетях не все вершины имеют одинаковый вес или важность. Важность вершины в ее сети увеличивается, если она имеет больше связей с важными вершинами. Центральность по собственному вектору , таким образом, можно рассматривать как систему оценки центральности не только для одной, но и для соседних вершин.

Компоненты

Подгруппы или подмножества вершин в несвязной сети. Связная сеть означает, что в такой сети есть по крайней мере пара вершин, между которыми вообще нет пути. Связной сетью называется обратная сеть , где все вершины внутри соединены по крайней мере одним путем. Поэтому можно сказать, что связная сеть имеет только один компонент.

Направленные сети

Рисунок 7. Пример ациклической направленной сети в эпидемиологии по версии CDC.
Сети, в которых каждое ребро имеет направление от одной вершины к другой. Поэтому ребра называются направленными ребрами . Примером такой сети является ссылка из справочного раздела на этой странице, которая приведет вас к другой, но не наоборот. С точки зрения пищевой сети, добыча, съеденная хищником, является еще одним примером.
Направленные сети могут быть циклическими или ациклическими . Циклическая направленная сеть — это сеть с замкнутым контуром ребер. Ациклическая направленная сеть не содержит такого контура. Поскольку саморебро — ребро, соединяющее вершину с собой — считается циклом, оно, следовательно, отсутствует в любой ациклической сети.
Байесовская сеть является примером ациклической направленной сети.

Взвешенная сеть

В действительности не все ребра имеют одинаковую важность или вес (например, связи в социальной сети и ключевые виды в пищевой сети). Взвешенная сеть добавляет такой элемент к своим связям. Она широко используется в геномных и системных биологических приложениях.

Деревья

Ненаправленные сети без замкнутых контуров. Дерево может быть частью сети, но изолировано как отдельный компонент. Если все части сети являются деревьями, такая сеть называется лесом . Административный орган иногда можно рассматривать как лес.

Другие примеры применения теории сетей

Социальная сеть

Ранние исследования социальных сетей можно проследить до конца девятнадцатого века. Однако хорошо документированные исследования и основы этой области обычно приписываются психиатру по имени Джейкоб Морено. Он опубликовал книгу под названием « Кто выживет?» в 1934 году, в которой заложил основы социометрии (позже известной как анализ социальных сетей ).

Другим известным участником раннего развития анализа социальных сетей является экспериментальный психолог, известный как Стэнли Милгрэм . Его эксперименты с «малым миром» породили такие концепции, как шесть степеней разделения и хорошо связанные знакомые (также известные как «социометрические суперзвезды»). Этот эксперимент недавно повторили Доддс и др. с помощью сообщений электронной почты, и основные результаты были похожи на результаты Милгрэма. Оценочная истинная средняя длина пути (то есть количество ребер, которые сообщение электронной почты должно пройти от одного уникального человека до предполагаемых целей в разных странах) для эксперимента составила около пяти-семи, что не сильно отличается от исходных шести степеней разделения. [14]

Пищевая сеть

Рисунок 8. Трофическая сеть долины реки Ист

Пищевая сеть , или пищевая цепь , является примером направленной сети, которая описывает отношения «хищник-жертва» в данной экосистеме. Вершины в этом типе сети представляют виды, а ребра — отношения «хищник-жертва». Коллекция видов может быть представлена ​​одной вершиной, если все члены этой коллекции охотятся на одних и тех же организмов и являются их добычей. Пищевая сеть часто ациклична, за редкими исключениями, такими как охота взрослых особей на молодняк и паразитизм. [15]

Примечание: В основной статье о пищевой сети пищевая сеть была изображена как циклическая. Это основано на потоке источников углерода и энергии в данной экосистеме. Описанная здесь пищевая сеть основана исключительно на ролях жертва-хищник; Организмы, активные в циклах углерода и азота (такие как редуценты и фиксаторы), в этом описании не рассматриваются.

Эпидемиология

Рисунок 9. Цепочка передачи инфекции среди гостей отеля M — Гонконг, 2003 г.

Эпидемиология тесно связана с социальными сетями. Инфекционные заболевания могут распространяться через сети связи, такие как рабочее пространство, транспорт, интимные телесные контакты и водная система (см. рис. 7 и 9). Хотя они существуют только виртуально, компьютерные вирусы, распространяемые через интернет-сети, не сильно отличаются от своих физических аналогов. Поэтому понимание каждой из этих сетевых моделей, несомненно, может помочь нам в более точном прогнозировании результатов эпидемий и подготовке лучших протоколов профилактики заболеваний.

Простейшая модель инфекции представлена ​​как модель SI ( восприимчивый - инфицированный ). Однако большинство болезней не ведут себя таким простым образом. Поэтому было сделано много модификаций этой модели, таких как модели SIR ( восприимчивый - инфицированный - выздоровевший ), SIS (вторая S обозначает повторное заражение ) и SIRS . Идея латентности учитывается в таких моделях, как SEIR (где E обозначает подвергнутый воздействию ). Модель SIR также известна как модель Рида-Фроста . [16]

Чтобы включить их в модель сети вспышек, необходимо рассмотреть распределение степеней вершин в гигантском компоненте сети (вспышки в небольших компонентах являются изолированными и быстро затухают, что не позволяет вспышкам стать эпидемиями). Теоретически, взвешенная сеть может предоставить более точную информацию о вероятности воздействия вершин, но необходимы дополнительные доказательства. Пастор-Саторрас и др. были пионерами многих работ в этой области, которые начинались с простейшей формы ( модель SI ) и применялись к сетям, полученным из модели конфигурации. [17]

Биология того, как инфекция вызывает заболевание у человека, сложна и представляет собой еще один тип картины заболевания, интересующий специалистов (процесс, известный как патогенез , который включает в себя иммунологию хозяина и факторы вирулентности патогена).

Примечания

  1. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.2
  2. ^ Национальный исследовательский совет (NRC). Парадигма Красной книги . Оценка риска в федеральном правительстве: понимание процесса. Вашингтон, округ Колумбия: National Academy Press, 1983.
  3. ^ Пилке-младший, Роджер А. Политика, политика и перспектива. Nature 416 (2002): 367-68.
  4. ^ Слович, Пол. Восприятие риска. Science 236 (1987): 280-85.
  5. ^ Национальный исследовательский совет (NRC). Парадигма Оранжевой книги . Понимание риска: обоснование решений в демократическом обществе. Вашингтон, округ Колумбия: National Academy Press, 1996.
  6. ^ Раусанд, Марвин. Оценка риска: теория, методы и приложения . Хобокен, Нью-Джерси: John Wiley & Sons, 2011. стр.295.
  7. ^ Раусанд, Марвин. Оценка риска: теория, методы и приложения . Хобокен, Нью-Джерси: John Wiley & Sons, 2011. стр.266-302.
  8. ^ Раусанд, Марвин. «Глава 5 Управление рисками». Оценка риска: теория, методы и применение . Хобокен, Нью-Джерси: John Wiley & Sons, 2011. стр. 117-36.
  9. ^ Раусанд, Марвин. Оценка риска: теория, методы и приложения . Хобокен, Нью-Джерси: John Wiley & Sons, 2011. стр.124.
  10. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.1
  11. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.241
  12. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.243
  13. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.168
  14. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.54-58.
  15. ^ Ньюман, Марк Э.Дж. «Глава 5.3 Экологические сети». Сети: введение . Оксфорд: Oxford UP, 2010. стр.99-104
  16. ^ http://www.stat.columbia.edu/~regin/research/risk.pdf [ пустой URL-адрес в формате PDF ]
  17. ^ Ньюман, Марк Э.Дж. Сети: Введение . Оксфорд: Oxford UP, 2010. стр.657-664.

Ссылки