近日，我院安全科学与工程学科博士研究生王妙妙在船舶碰撞事故严重性因果表征与可解释预测方面取得重要进展，相关研究成果《一种面向可解释船舶碰撞事故严重性预测的多任务因果表示学习方法》（A Novel Multi-task Causal Representation Learning Approach for Interpretable Maritime Collision Severity Prediction）发表在 Reliability Engineering & System Safety。Reliability Engineering & System Safety 是可靠性与安全领域国际重要期刊，最新影响因子为13.7（SCI一区TOP）。论文第一作者为博士研究生王妙妙，通讯作者为王彦富教授，中国石油大学（华东）为第一署名单位。论文研究得到了国家自然科学基金项目资助。
图1 论文首页
针对传统船舶碰撞严重性预测方法主要依赖相关性、难以刻画风险因素作用路径且可解释性不足的问题，论文提出多任务因果表示学习框架，通过因果表示解耦将事故前可观测条件对事故后果的作用划分为直接路径和经不安全因素传递的中介路径，并结合互信息先验引导的交叉注意力、正交约束和对抗去偏机制，实现不同风险传播路径的结构化表征。与此同时，针对严重事故样本稀缺和类别不平衡问题，引入基于TabDDPM的交互式数据增强机制。研究发现，不同事故后果具有差异化的风险传递结构：人员伤亡更多与系统性失效和关键操作错误相关，财产损失与设备故障、态势判断失误联系更为突出，而严重污染则与特定高风险船型及多种系统风险共同作用有关。该研究将传统“黑箱式”的事故严重性预测进一步拓展为面向风险传播路径的结构化解释，为船舶碰撞事故的主动风险识别、事故后果预测和针对性安全干预提供了新的方法支撑。
图2 所提船舶碰撞事故严重性多任务因果表示学习框架
论文链接：https://doi.org/10.1016/j.ress.2026.112236
