道路交通事故发展趋势分析与预测

根据福建省2000 -2010年交通事故相关指标,采用统计图表分析法进行交通事故发展趋势分析与安全水平比较研究,结果表明交通事故各项绝对指标总体呈下降趋势,但从万车死亡率、受伤人数与死亡人数比及交通事故死亡人数占各类事故死亡人数比重等相对指标看,交通安全总体水平偏低,交通事故后果比较严重.对交通事故死亡人数与GDP、机动车保有量、公路通车里程、人口数四项影响因素进行了多元线性回归分析,分析得出四个影响因素总体对交通事故死亡人数的线性影响是显著的,采取向后筛选策略线性回归分析得出,死亡人数与GDP的线性关系是显著的,根据回归结果建立了交通事故的预测模型.     

基于耦合逐步回归的PLS模型城市用水量预测

城市用水量受到多重因素的影响,且各因素之间存在相关性。将逐步回归技术引入偏最小二乘(PLS)用水量预测模型影响因子的筛选过程,可对PLS回归建模过程进行改进,在保证拟合精度的条件下,有效解决了自变量间的多重相关性问题;同时实现测定指标的降维,达到了简化、精炼模型的目的。将所提理论和方法应用于某城市用水量预测中,运用R软件进行求解,并将耦合逐步回归的PLS模型与单一的PLS回归模型进行比较分析。结果表明,模型的拟合和预报精度较好。     

多元混合气爆炸极限的非线性预测研究

根据混合气的爆炸极限与混合气各成分的体积浓度之间具有非线性关系的特点,笔者提出采用神经网络非线性方法来计算含有H2,CH4和CO的多元混合气体的爆炸极限。在模型中,H2,CH4和CO的体积浓度作为输入,爆炸上限和下限作为输出。计算结果表明,该非线性模型预测混合气爆炸下限和上限的最大相对误差为3.90%,3.57%,而模型预测值与计算值的相关系数分别为0.971,0.981;非线性模型的预测结果要好于偏最小二乘回归的预测结果。当H2,CO,CH4在混合气中的体积浓度给定时,非线性模型能够准确预测混合气的爆炸极限。     

PLS-BP法定量分析火灾中的常见有毒有害气体

针对火灾和材料燃烧中常见的有毒有害气体,选取低浓度的CO、CO2、NO、NO2、SO2、HCl、HBr、HCN八种典型气体同时进行定量分析。基于傅里叶变换红外光谱技术(FTIR),设计可靠实验系统和实验过程控制,准确得到气体的光谱数据。通过合理去除干扰光谱区间、筛选样本、选择模型参数等,建立BP-PLS回归模型,并对未知样本进行预测,各组分的校正误差均方根RMSEC达到4×10-6以下,预测可决系数R2均达到0.95以上。通过将PLS-BP模型与经典的线性模型经典最小二乘(CLS)和偏最小二乘(PLS)进行比较,PLS-BP模型在非线性拟合能力和预测性能两方面明显高于经典线性模型CLS和PLS。     

考虑空间相关性和交通环境影响的宏观事故建模

为准确分析宏观尺度下各项因素对发生交通事故的影响，从人口岗位等社会经济特征、交通环境和城市重要设施分布等角度出发，基于深圳市61.4万警情事故和892个交通分析小区建立带空间自回归误差项的空间自回归模型(SARAR),采用广义空间二段最小二乘法进行模型参数估计后，计算出各要素的空间溢出效应。模型结果表明：人口数量、岗位数量、区域面积、学校数量、主次干道长度和主次干道衔接不足均会显著增加本区域和周边区域内的交通事故数量；拥堵路段长度与交通事故的发生不存在显著关系。拟合优度对比结果发现，SARAR模型优于OLS、SAR和SEM模型，是分析宏观尺度下区域安全水平的有效方法。     

城市火灾风险表征量及其与社会经济因素的多元相关性分析——以日本2005年统计数据为例

利用因子分析法对日本2005年统计数据进行了分析.从13个常用火灾统计指标中提取出火灾后果总量、火灾发生概率、平均死亡人数及平均经济损失4个公因子,并采用多元线性回归方法对若干社会经济因素与4个公因子建立多元线性模型.根据模型的判定系数和各自变量的偏相关系数,分析了若干社会经济因素与4个火灾风险公因子的相关性并对重要度进行排序.结果表明,4个公因子意义明确且相互独立,可全面表征城市火灾风险程度.基于分析数据,火灾后果总量公因子与人口总量呈显著线性相关;火灾发生率公因子主要受人员结构、人口流动性及居住条件3个方面影响,与人口总量、经济水平、教育水平之间不存在线性相关性;平均死亡人数公因子随消防训练提高而显著降低; 平均经济损失公因子与选用的任何一个社会经济因素之间都没有线性相关性.     

基于ARIMA和XGBoost组合模型的交通事故预测

近年来交通事故及其损失严重影响社会经济的发展和人民生活的提高,交通事故预测可以为交通事故预防提供数据支持。基于自回归滑动平均(ARIMA)模型和极端梯度提升(XGBoost)模型,构建时间序列组合预测模型,对交通事故相关指标进行趋势预测。根据交通事故的特点,选定"事故起数""受伤人数""死亡人数"及"损失"4个指标。首先,根据自相关、偏自相关图确定ARIMA模型参数,根据AIC(赤池信息准则)值确定最终模型;然后,对4个指标的ARIMA模型预测结果的残差构建残差序列,对其进行XGBoost建模,得出修正后的残差预测值;最后,根据残差预测值和ARIMA模型预测值得出组合模型最终的预测值。实例结果表明,4项指标的混合预测模型的预测精度均优于单一的ARIMA模型和Holt-winters模型,其中以"受伤人数"和"死亡人数"的模型改善效果最为显著,"受伤人数"指标的平均绝对百分比误差降低了5.431 7个百分点,"死亡人数"指标的平均绝对百分比误差降低了3.625 9个百分点。     

装配式建筑安全文明施工费RS-LSSVM预测方法

为准确测算装配式建筑安全文明施工费,开发一种基于粗糙集(RS)-最小二乘支持向量机(LSSVM)模型的预测方法。根据装配式建筑作业空间并行多维且以吊装施工为主的特点,分析影响费用的主要因素并通过RS属性约简算法确定其测算因子;引入LSSVM,构建装配式建筑项目安全文明施工费测算模型,给出计算方法以及模型流程;以某城市群部分装配式项目的相关数据进行模型学习训练和仿真测算,以此为例完成实证检验和分析。结果表明:在样本数据较少、指标成多维非线性关系的情况下,用该方法测算所得结果与实际情况符合较好(平均相对误差为4.92%),比BP模型和回归分析等2种传统方法(11.78%和17.67%)测算结果更准确,效率更高。     

基于LS-SVM的供水管网安全性评价方法研究

为评价城市供水管网的安全性,保障其正常运行,笔者基于多元分类最小二乘支持向量机(LS-SVM)的方法,在对城市供水管网安全运行影响因素总结与分析的基础上,构建供水管网安全性评价的指标因素集与评价模型,通过对有限的经验数据的学习,建立供水管网安全性与其影响因素之间的非线性关系。运用该模型进行实例仿真模拟,通过与实际安全等级及BP神经网络模型预测安全等级之间的对比表明:基于LS-SVM的供水管网安全性评价方法具有较高的精度,正确分类率可以达到83.33%。     

城市交通事故现场处理时间及影响因素分析

为了分析城市交通事故现场处理的时间长度和影响因素,以城市交通事故现场处理时间为研究对象,将城市交通事故现场处理的过程细分为划定警戒区域、现场勘查、撤除现场3个阶段,运用事故现场数据采集和视频数据提取的方式,采集了 829条泸州市城市交通事故现场处理数据,从中提取可能影响城市交通事故现场处理时间的4个事故相关因素、5个现场处理相关因素和3个环境因素.以城市交通事故现场处理时间为因变量、12个可能的影响因素为自变量,采用逐步回归的方法提取显著影响因素.结果表明,城市交通事故现场处理的平均时间为15.28 min,警戒区域占道情况、当事人确认情况、事故发生时间和事故严重程度是影响城市交通事故现场处理时间的最主要因素,围观群众影响情况、事故类型、天气情况、道路等级和事故发生时段对城市交通事故现场处理时间也有一定的影响.模型验证表明,所建立的回归模型平均相对误差为3.95％,具有较好的适应性.     

煤矿政策对安全生产影响分析及实证研究

为分析煤矿政策对安全生产中的影响,回顾1978年以来煤矿政策和安全生产状况。统计了1978—2010年我国主要的煤矿政策,分阶段分析其与煤炭产量、煤矿事故指标之间的发展变化关系,运用EViews6建立煤矿事故死亡人数与煤炭产量之间的回归模型,并进行检验修正,比较验证煤矿政策的作用效果。结果表明:1978—1991年和1992—2002年,煤炭产量对死亡人数的影响系数为397.482,事故随产量的增长而加剧,但后一时期由于政策监管等因素影响,在同等产量条件下,煤矿事故相对减少;2003—2010年,影响系数为-283.770,煤矿安全状况随煤炭产量的增长而明显好转。     

基于零膨胀负二项回归模型的内河水上交通人命安全分析

运用零膨胀负二项回归模型,分析水上交通事故中人员死亡失踪数量的各影响因素的影响程度。通过Pearson相关分析得到与水上交通事故中人员死亡失踪人数密切相关的因素,建立ZINB回归模型得到各因素的参数估计值。运用弹性分析方法对不同影响因素的影响程度进行评估,根据影响程度对各影响因素进行排序。将该方法应用于长江海事局辖区范围内的水上交通事故人员死亡失踪分析,取得了理想效果。     

道路交通事故死亡人数预测模型对比研究

为准确预测交通事故死亡人数,选取人、车、路和经济发展水平作为主要因素,建立GM(1,1)和Verhulst模型,进行事故预测和精度分析。结合马尔科夫方法,对已建立的模型进行修正,构建GM(1,1)-Markov,GM(1,3)-Markov和Verhulst-Markov模型。应用上述模型预测安徽省2012—2014年交通事故死亡人数。分析结果表明:应用GM(1,1)-Markov模型,3年预测值的相对误差分别为-8.4%,-12.81%和-13.18%;应用GM(1,3)-Markov模型,3年预测值的相对误差分别为-31.86%,-44.66%和-57.50%;应用Verhulst-Markov模型,3年预测值的相对误差分别为-2.68%,-2.88%和-2.42%。Verhulst-Markov模型的预测精度更高,可用来预测今后的道路交通事故死亡人数。     

基于改进的最小二乘法瓦斯涌出量预测

通过对基于绝对误差最小的传统最小二乘法与在此基础上考虑相对误差的改进最小二乘法的比较,得知改进的最小二乘法预测更为准确。现场应用于鹤壁四矿的相对瓦斯涌出量随深度变化的预测,建立了瓦斯涌出量预测模型,通过预测值与实际值比较,证明改进的最小二乘法预测鹤壁四矿瓦斯涌出量是可行的、有效的,对指导煤矿安全生产具有重要意义。     

基于灰色关联分析的车辆交通事故规律研究

针对车辆交通事故统计数据少、事故原因划分模糊等特点,运用灰色系统理论思想,建立车辆交通事故灰色关联分析模型。根据车辆交通事故起数、死亡人数、受伤人数与各事故原因之间的灰色关联度,计算车辆交通事故因素关联序,确定车辆交通事故各原因的重要程度。分析影响车辆交通事故的最优支配因素,并据此研究车辆交通事故规律。研究结果表明,部队汽车驾驶员交通违法是造成车辆交通事故的主要原因,违法违纪成为制约车辆安全管理的一个重点和难点问题。     

基于扇区动态复杂性因素的航空管制员工作负荷计算

为了更加准确地计算和预测航空管制员的工作负荷,利用雷达管制模拟试验获取的数据,分别采用线性回归、神经网络的非线性回归和基于神经网络的支持向量机方法,建立了基于扇区复杂性因素的管制员工作负荷实时计算模型。结果表明,这3种模型的绝对误差平均值分别为0.969、1.049、0.240;相对误差平均值分别为16.667%、17.979%、6.229%;均方根误差分别为0.186、0.206、0.114。另外,若采用5%作为基准精度,基于神经网络的支持向量机模型可以将相对误差控制在-0.5%~0.5%,表现出较强的误差控制能力。研究表明,可以采用扇区动态复杂性因素来计算管制员的工作负荷,相比线性回归、神经网络的非线性回归方法,基于神经网络的支持向量机方法对管制员工作负荷的计算有更高的精度。     

基于分子结构的链烷烃辛烷值预测研究

基于定量结构-性质相关(QSPR)原理,研究化学物质的结构与性能之间的关系,应用遗传-偏最小二乘(GA -PLS)方法从大量结构参数中筛选出与链烷烃马达法辛烷值最相关的5个分子描述符,采用多元线性回归方法,建立了根据分子结构预测链烷烃马达法辛烷值的数学模型.结果表明,模型具有较高的稳定性以及预测能力.为工程上提供了一种...     

道路交通事故BP神经网络预测研究

在分析道路交通事故影响因素的基础上,确定道路交通事故评价指标体系。该体系包含交通事故次数、死亡人数、受伤人数3个输出指标及12个影响因素。利用人工神经网络具的强非线性逼近、模糊推理、自学习的优点,建立道路交通事故BP神经网络预测模型。模型对我国2006年、2007年、2008年的交通事故情况进行预测,其中,2006年、2007年预测精度较高,2008年预测误差稍大,可能的原因为2007年12月修订的《中华人民共和国道路交通安全法》对减少交通事故起到较大作用。     

交通事故人员伤亡的影响因素分析

为探究交通事故各影响因素对人员伤亡的影响,并根据影响情况给出减少事故伤亡的合理建议,通过收集、统计某市2013年4—9月的交通事故数据,采用Poisson、负二项(NB)、HurdlePoisson(HP)、Hurdle-NB(HNB)、零膨胀Poisson(ZIP)和零膨胀负二项(ZINB)回归模型,对交通事故计数资料进行回归拟合,通过似然比(LR)检验、Vuong检验和拟合优度检验准则比较与选择模型。结果显示,ZINB回归模型拟合效果最佳,肇事车辆有无牌照、车损情况、驾驶人驾驶资历和天气状况等因素对事故中伤亡人数的影响显著,采取限制无牌照车辆出行,保障车辆性能和尽量让驾驶资历高的人驾驶并控制车速等措施能够减少事故伤亡。     

基于半参数分析的电力需求预测算法

市场经济对电力需求预测提出了更高的要求。在简要介绍和评论以往国内外常用电力需求预测方法优缺点基础上,为了提高电力需求预测的准确度及预测方法的适应性,建立半参数回归模型预测电力需求。半参数回归模型分为线性和非线性两部分。线性部分反映了负荷预测可知的部分规律,非线性部分反映了负荷预测的不确定因素的影响。用偏残差方法估计半参数回归模型,估计结果由两步得到。首先估计线性参数部分,然后再估计非线性参数部分。通过示例计算,半参数回归模型对电力需求预测的估计误差数值小于二元线性回归法对电力需求预测的估计误差。结果表明:利用半参数回归法预测电力需求是一种预测精度高、计算容易、普适性强的算法。