基于灰色新陈代谢马尔可夫模型的飞行事故预测

灰色预测适用于时间短、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。笔者结合灰色新陈代谢GM(1,1)模型和马尔可夫链理论的优点,建立飞行事故预测模型。模型去掉已失去参考价值的历史老信息,补充新信息,克服了随机波动性数据对飞行事故预测精度的影响,提高了灰色预测的应用水平。实例预测1973—2008世界飞行事故,其结果证明了灰色新陈代谢马尔可夫GM(1,1)模型预测精度较高,可用于飞行事故预测,具有较强的科学性和实用性。     

基于灰色马尔可夫的道路交通事故预测

探讨灰色马尔可夫模型在道路交通事故中的具体应用。灰色模型适用于短期、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。灰色马尔可夫模型结合了灰色GM(1,1)模型和马尔可夫理论的优点,利用灰色模型进行长期预测,再利用马尔可夫链理论进行波动状态预测,最后得到期望值。该模型克服了随机波动性数据对道路交通事故预测精度的影响,提高了灰色预测的准确度。实例结果,证明灰色马尔可夫GM(1,1)模型具有较好的应用价值,为道路交通安全管理提供了有用依据。     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

基于灰色神经网络的民航事故征候预测模型研究

通过对民航事故征候的分析和预测,掌握民航事故征候的发展趋势,并据此提出相应的安全措施以预防事故发生。在灰色预测基础上,结合神经网络理论,分析民航事故征候的特点,提出民航事故征候的串联灰色神经网络组合预测模型。首先,运用灰色理论弱化数据序列波动性,然后利用神经网络非线性信息处理能力构建模型。同时,根据最近10年民航事故征候统计数据,分别对灰色预测模型、神经网络模型和灰色神经网络模型进行检验,并预测未来3年的民航事故征候数量。利用Matlab软件进行预测仿真,对3种预测方法的精度和特点进行分析和比较。结果表明:民航事故征候的灰色神经网络模型预测精度高于单一的灰色预测模型或神经网络模型,并且所需样本少,运算简便,易于实现。     

煤矿事故预测的马尔可夫SCGM(1,1)c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

民航事故征候的灰色马尔可夫预测

民航事故征候的分析和预测是民航安全研究的重要内容.掌握民航事故征候的发展状况并据此提出相应的安全措施,可减少民航事故的发生.在民航事故征候灰色预测基础上,引入马尔可夫链(Markov Chains)预测理论,建立事故征候的灰色马尔可夫预测模型.该模型具有灰色预测和马尔可夫链预测的优点,不仅提高了对波动性较大的随机变量的预测精度,同时还拓宽了灰色预测的应用范围.对某一航空公司过载大事件的灰色马尔可夫预测和检验分析表明,事故征候的灰色马尔可夫预测模型精度高于GM(1,1)模型预测精度.研究表明,灰色马尔可夫预测模型可用于民航事故征候的预测.     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

高校事故非线性灰色预测模型及应用研究

通过调查和分析表明,近几年来湖南省高校事故中学生非正常死亡由自杀、交通、溺水等7项因素组成,且统计数据信息偏少。笔者将影响湖南省高校事故学生非正常死亡人数的各项因素作为一个系统,应用系统灰预测理论建立高校事故系统灰预测模型;将原始建模数据序列经过方根变换和数值初始化处理后,适合于建模的要求,构造GM(1,N)与GM(1,1)的嵌套模型;通过建模事中和事后的检验,预测湖南省2007年高校事故学生非正常死亡人数,预测值与实际值相差较小,模型精度较高;高校事故非线性灰色预测模型,为高校事故预测提供了一种应用方法并有一定的指导意义。     

灰色系统理论在燃气事故中的应用研究

文章根据《全国燃气事故分析报告》中燃气事故类型整理相关数据,运用灰色系统理论对燃气事故进行研究。首先,构建GM(1,1)灰色预测模型对3类燃气事故的未来事故数量进行预测。经检验,该模型对3类燃气事故的预测具有较好的可靠性和精准度,能够适用于工程实际。其次,对各类型燃气事故原因进行分类,采用灰色关联分析的方法找出各类型燃气事故的主要致灾原因并提出相关建议。     

火灾事故发展趋势预测方法的应用研究

介绍了三种火灾事故发展趋势预测方法：灰色理论预测法、指数平滑法和马尔科夫预测法。结合贵州省1997至2006年火灾四项指标统计数据，探讨了三种预测方法对不同波动幅度数据序列的适用性；给出了贵州省未来两年火灾的发展趋势，可为当地制定正确地防止火灾发生的决策提供重要的参考依据。此外，还对每种方法在预测过程中值得注意的问题进行了讨论。     

煤矿百万吨死亡率动态无偏灰色马尔科夫预测

为掌握我国煤炭行业整体安全生产状况,构建动态无偏灰色马尔科夫模型,通过处理我国1999—2008年度煤矿百万吨死亡率数据,对2009—2011年度煤矿百万吨死亡率数据进行预测。用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,拟合得到煤矿百万吨死亡率数据的变化趋势,在此基础上应用马尔科夫模型进行预测,并在每一次预测中更新原始数据,最后对预测结果进行对比分析。计算结果表明:动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度尤其是中长期预测精度。其中,平均绝对误差为3.35%,平均相对误差为3.85%,均低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿百万吨死亡率数据的平均预测精度超过96%。     

GM(1,1)模型群在黄河水质预测中的应用研究

灰色预测对统计数据较少问题可以进行预测,一般3-4个数据就可以建模,由于建模序列长短不同,会得到不同的预测方程,即对实际问题发展趋势某种程度的把握.实际预测时若能将不同的预测结果综合考虑进去,效果更佳.介绍了GM(1,1)模型建立的方法与步骤,并依据黄河潼关断面过去10年(1996-2005年)水质状况,利用GM(1,1)模型群预测了未来7年(2006-2012年)的水质发展状况.     

系统安全态势的马尔科夫预测模型建立及应用

基于马尔科夫链预测理论,分析研究了系统安全态势的定性与定量预测问题,建立了系统安全态势预测模型.定性预测侧重安全态势的升、降趋势分析,定量预测以系统万人死亡率为依据,划分四个安全状态,从而实现系统安全状态定量预测.定性与定量预测相互检验、相互补充.实例研究表明,马尔科夫定性与定量相结合的预测模型结构简单,计算方便,符合系统安全态势预测特征要求,是系统安全宏观管理的重要参考依据之一.     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

基于随机过程的城市应急车辆数量配置模型

针对城市中应急车辆的配置规模问题,运用随机过程理论,获得系统中空闲应急车辆数量期望值模型。在一定的事件需求下,空闲应急车辆数量期望值与应急车辆配置总量、平均的事件发生间隔时间成正比,与平均的事件救援时间成反比。克服了采用马尔可夫过程分析多用于应急车辆繁忙期以及布局研究的局限。以某市火灾统计数据为例,说明了模型的使用,为在宏观上合理确定城市应急车辆的配置规模提供理论依据。     

基于突变理论的国内外火灾科学研究进展和展望

简要归纳了突变模型的特征和突变理论的应用方式,重点综述了突变理论在火灾科学中的应用情况,概括了突变理论在火灾科学中三个应用特点。针对具体油气爆炸实验数据,利用随机突变理论,对油气爆炸的突变模式进行了初步研究,说明了建立统计突变模型的可行性。最后指出了突变理论应用于火灾科学的未来研究方向。     

风物长宜放眼量——安全生产形势与近中期演变趋势考量

作者在对60多年来,尤其是近30年生产安全事故数据统计分析基础上,探讨了我国生产安全事故演变规律并对包括"十二五"期间在内的近中期发展趋势做了初步预测。作者认为虽然2010年上半年重大事故发生频率较高,但仍在"正常"波动范围内,生产安全事故总体风险继续保持下降态势。应用时间动态序列方法对2010-2020年生产事故死亡人数、职工十万人死亡率和特大事故发生频度3项指标做了预测分析,结果显示:死亡人数量总体仍呈波动下降,虽然"十二五"期间内可能出现小幅波动,但超出2003年峰值可能性较小,2015年后则可能明显持续下降;职工十万人死亡率十年内继续保持稳定下降,出现较大波动的可能性很小;2010年可能成为近几年特大事故发生频度较高年份,2011年内会有所下降,此后5-10年之内还有再次出现反复风险,但总体保持在8起以下,峰值超出2005年几率很小,特大事故间隔天数的曲线拟合回归分析显示,近中期重特大事故在某一时段频度集中发生的几率仍然较高,对此应保持警惕。作者认为,应急准备欠缺,救援能力不足和应急管理系统存在明显脆弱性是重特大事故频发与伤亡后果严重主要原因之一。安全生产政策干预时效分析表明:近年来,政策时效干预度持续加强是安全生产形势逐渐稳定好转基本原因之一,但格兰杰因果检验结果提示重特大事故频度变化是政策时效干预力度增减的格兰杰原因,即表现为被动性干预,明显缺乏前瞻性和计划性。作者建议,我国安全生产宏观管理应逐步实现由被动的事故推动型向主动的目标拉动型的战略性转变。