船舶自沉事故作为严重的水上交通事故之一,虽然在所有事故类型中占比不大,但其往往具有发生速度快、救援难度大等特点,极易造成重大的人员伤亡和财产损失,对船舶的航行安全和船员生命安全造成重大的威胁。同时,干散货船舶作为自沉事故中最主要的船舶类型,造成其自沉事故多发的原因不仅与运载货物的特性,如精矿粉或者是陶土等货物所具有的流态化危险性有关,人员对货物的装卸操作是否合理、船舶载货情况、船体自身的结构强度、船舶在航行过程中遭遇的大风浪天气等因素都会成为干散货船舶自沉事故多发的重要诱因。本文针对干散货船舶自沉事故频发的问题,利用贝叶斯网络,同时结合系统安全工程原理、层次分析法,从“人—船—环境—货物”四个方面对事故致因进行分析和推理,找到对事故具有重要影响的致因因素,同时得到导致事故的致因链条,以及各个因素之间的相互关联,并有针对性的提出相关风险控制措施。论文具体的工作如下:(1)根据船舶自沉事故概念的定义,有针对性的从“人—船—环境—货物”四个角度对导致事故发生的因素进行定性的分析和挖掘,将人为因素分为人为失误和导致人为失误的个人因素;货物因素的影响考虑了货物流态化的危险性,以及货物配积载、系固绑扎、平舱、货物是否超载的情况;船舶因素主要考虑船体自身的结构缺陷、船龄和船舶吨位、船舶设备故障的影响;对环境因素主要考虑自然环境和通航环境中的因素影响。对整理分析出的因素,利用层次分析法,构建干散货船舶自沉事故致因相关的层次结构,对每个风险因素赋予了权重,一方面对风险因素进行了识别,同时也为后文中应用相关因素进行贝叶斯网络的分析提供理论基础。(2)通过对贝叶斯网络的概率理论基础的学习以及对模型构建步骤的确定,以从各海事机构和海事事故案例集中的搜集到的船舶自沉事故案例为样本数据,对各风险因素进行提取并转化为贝叶斯网络节点,定义节点值域,进行贝叶斯网络结构学习和贝叶斯网络参数学习,在结构学习过程当中,引入系统安全工程理论中的故障树方法辅助构建网络结构,在参数学习过程中,将通过层次分析法得到的指标权重对部分节点条件概率进行了修正,将专家知识和数据学习较好的融合在一起。(3)利用贝叶斯网络可视化软件GeNIe对文中建立的贝叶斯网络模型进行验证和推理,通过对事故样本数据的有效性验证,推导了事故发生的后验概率,证明了所建立网络结构的客观正确性。通过诊断推理的方式,提取了影响干散货船舶自沉事故的最大致因链,确定了各风险因素对于船舶自沉事故的影响程度,同时为减少干散货船舶自沉事故的发生提出了相关风险控制措施。