基于ARIMA与LS-SVM组合模型的飞行事故征候预测

应用差分自回归移动平均模型(ARIMA)和最小二乘支持向量机(LS-SVM)的组合模型,对某航空公司的月度事故征候万时率进行了预测分析。对2008—2016年某航空公司的事故征候、飞行小时、航空器数量等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获得事故征候万时率的线性部分;随后利用LS-SVM分析ARIMA模型的残差,获取非线性部分,最终通过二者之和获得ARIMA+LSSVM组合模型。对2017年1—3月的月度事故征候万时率进行了预测,并用实际数据验证。结果表明:ARIMA(1,1,1)(1,1,1)12模型较好地拟合了事故征候万时率的历史序列,LS-SVM模型对残差的拟合获得了较好的精度;组合模型的短期(3个月)预测值与航空公司事故征候万时率的趋势完全一致,且预测精确度可接受。     

我国危化品道路运输事故特征分析

为预防和控制危化品道路运输事故的发生,掌握和揭示事故特征,运用Python技术获取我国2016-2021年危化品道路运输事故数据,从事故趋势、事发地域、事发时间、事发路段与事故后果5个方面对危化品道路运输进行统计与分析,并提出相应对策措施,以期为危化品道路运输事故防治提供参考。     

危化品道路运输事故风险因子影响关系研究

为研究危险化学品道路运输风险影响因素,探究其事故发生机理,本文在改进前人模型的基础上,首先,利用贝叶斯网络,对我国2017-2021年发生的1 348起危化品道路运输事故进行参数学习,得到改进的危化品道路运输风险预测模型;然后,用2022年1月发生的20起事故案例,进行情境模拟以验证该预测模型的有效性;最后,利用该模型对危化品道路运输事故风险因子之间的影响关系进行推理分析,结果表明：该模型预测结果准确率均达到70%以上,该模型有效;因果推理结果表明,驾驶员操作不当易造成侧翻事故,驾驶员疲劳驾驶更可能导致碰撞、侧翻事故,以及驾驶员操作不当是泄漏事故发生的主要原因;敏感性分析结果表明,影响驾驶员行为最主要的因素是天气,影响事故后果最主要的因素是物质类别。     

高速公路追尾碰撞事故起数预测模型研究

为分析显著影响追尾碰撞事故的因素,分别采用负二项(NB)回归模型和零堆积负二项(ZINB)回归模型建立追尾碰撞事故起数预测模型。通过模型的拟合优度检验和准确性检验,对比2种模型的优劣,采用弹性分析确定自变量对因变量的影响程度。以2006—2008年某高速公路发生的追尾碰撞事故进行实证性研究。结果表明:ZINB回归模型比NB回归模型具有更好的拟合效果和预测准确性;在ZINB回归模型中,曲度、曲线比例、车道宽度与追尾碰撞事故起数显著正相关,曲率变化率、相邻路段坡差和弯坡组合与追尾碰撞事故起数显著负相关;车道宽度、曲率变化率和曲度对追尾碰撞事故的发生影响尤为明显。     

易燃易爆危险化学品道路运输事故情景分析

为探究易燃易爆危险化学品道路运输事故情景演变趋势,发掘事故后果类型预测方法,首先搜集、统计2013—2018年国内983起易燃易爆危化品道路运输事故数据,从中提取事故发展过程中各个环节的特征参数,并将其作为网络节点;然后借助Netica软件进行参数学习,并构建易燃易爆危化品道路运输事故情景分析贝叶斯网络(BN)模型,最后进行后验概率推理,提出"初发事故—危化品事故"模式的事故链预测方法。研究表明:该事故情景分析模型可有效评估各类因素对事故情景演化的影响程度,并预测事故情景演化态势和导致特定事故后果的最可能出现的情景。     

基于GM(1,1) Markov的危化品道路运输事故与交通事故预测及关系研究

为准确预测我国危化品道路运输及交通2类事故数量趋势,探究其内在联系,在单一的灰色GM（1,1）模型基础上与马尔科夫过程组合形成灰色GM（1,1）—马尔科夫预测模型,以2013—2017年2类事故数量的原始序列探讨了该组合预测模型的实际应用,采取平均相对误差、均方差比值、小误差概率对模型进行精度检验。研究结果表明:在组合预测模型较优情况的研究中,2类事故数量历年来波动性相似,因危险化学品自身的性质、包装和装卸使得2类事故量变化频率存在偏差;2018—2019年的危化品道路运输事故分别为485起和480起,交通事故分别为225 294起和234 454起。     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度。     

基于改进FAHP的危化品道路运输风险综合评价

为预防危化品道路运输灾害事故的发生,运用改进模糊层次分析法(FAHP),以人员、车辆、道路、环境、管理、危化品等6个主辨识风险源为一级指标构建危化品道路运输风险评价指标体系,利用AHP法通过专家评分,建立模糊一致矩阵,计算各指标权重并排序,根据所得指标权重进行Fuzzy综合评价。采用该方法对H省某高速路段危化品运输进行风险分级综合评价,评价结果为较安全,与运输安管部门风险决策工作所得等级一致,且危化品处置、车辆管理、道路状况等方面风险隐患突出,为排查重点,由此验证该方法的适用性,为危化品道路运输风险分析和预防提供一种可行的研究思路。     

Research on the prediction model of hazardous chemical road transportation accidents

In recent years, hazardous chemicals road transport accidents have occurred frequently, causing huge casualties and property losses, and accident risk assessment has become the focus of researchers' research. To predict the risk probability value of hazardous chemical road transport accidents, first, we compiled data on road transportation accidents of hazardous chemicals in China in the past five years. And the nine nodes in the Bayesian network (BN) structure were defined in combination with relevant classification standards. The optimal Bayesian network structure for hazardous chemical road transport accidents was determined based on the K2 algorithm and the causalities between the nodes. Second, the node conditional probabilities were derived by parameter learning of the model using Netica, and the validity of the model was verified using the 5-fold cross-validation method. Last, the Bayesian network model of hazardous chemical road transport accidents is used to analyze accident examples, and the accident chain of “rear-end-leakage” is predicted, and the accident is most likely to be disposed of within 3–9 h. The study shows that the derived accident prediction model for hazardous chemical road transportation can reason reasonably about the evolution of accident scenarios and determine the probability values of accident risks under different parameter conditions.     

基于AHP和灰色聚类的危化品道路运输安全评价

为客观评价危化品道路运输企业安全状况,防止危化品道路运输事故发生,提出基于层次分析法(AHP)和灰色聚类分析的危化品道路运输安全评价方法。首先以危化品与设备情况、环境情况、企业安全管理水平、在途监管水平及人员特性为一级指标构建危化品道路运输安全评价指标体系;其次,运用AHP计算各指标权重;最后,为了避免指标信息不完整所造成的误差,选用灰色聚类分析对各指标进行聚类分析,得出研究对象的安全等级。运用该方法对C企业危化品道路运输安全等级进行评价,评价结果显示该企业安全等级较高,但安全防护设备、交通状况、安全管理制度落实情况等指标安全性较低,同时验证了该方法具有适用性及有效性,为危化品道路运输企业安全评价提供了一种新的方法。     

危险化学品公路运输事故新特点及对策研究

统计分析了2008年1月～2010年5月我国发生的485起危险化学品公路运输事故。从事故发生的原因、事故涉及的化学品、事故造成的危害、事故发生的月份分布及年份变化等几个方面,分析了近年来危险化学品公路运输事故的新特点及变化规律。经统计分析,道路交通事故是引发危险化学品运输事故的主要原因之一;侧翻是危险化学品车辆最容易发生的道路交通事故;而随着我国高速公路的迅猛发展,追尾造成的危险化学品运输事故数量呈上升趋势;危险化学品公路运输过程中易燃液体事故起数最多,爆炸品和毒性物质事故造成的人员伤亡最严重;春节前后取代夏季,成为近两年危险化学品运输事故高发期。针对这些特点,对我国危险化学品公路运输安全管理与监控提出了建议。     

危化品道路运输事故应急救援中心选址模型研究

为快速提高危化品道路运输事故应急救援能力,降低事故后果,文章基于目前应急救援中心选址模型的不足,提出了一种新的双目标决策救援中心选址模型。通过综合考虑应急响应时间及应急处理能力对救援能力的影响,建立了救援中心点的最大网络覆盖模型;并采用较优的邻域搜索算法求解救援中心点的合理位置。最后以某地危化品运输路网为例,利用所建模型对事故应急救援中心的合理布局计算求解。结果表明:考虑应急响应时间及应急处理能力限制的应急救援中心选址模型,能够有效提高救援中心的综合应急能力,为有关部门合理规划危化品道路运输事故应急救援中心布局提供理论参考和决策依据。     

危险化学品运输事故历史数据研究综述

系统地回顾国内外近20 a来的危险化学品运输事故历史数据分析的理论和方法,旨在为我国今后危险化学品运输风险研究提供指导。调研国内外危险化学品运输事故研究的历史数据来源,介绍该领域的主要研究方法及其发展过程,讨论现有研究内容及研究结果的共性和特征。发现现有研究主要集中于危险化学品的道路运输,侧重于分析运输事故的主要影响因素,经济损失、次生灾害及事故数与运输批次的关联方面的研究不足。提出要把事故后果的科学衡量作为未来的研究方向。     

STAMP模型在危化品道路运输事故分析中的应用研究

为保障危化品道路运输行车安全，基于STAMP模型构建危化品道路运输的分层安全控制结构，将安全问题看作是控制问题，并将系统工程思想融入事故预防中。在此基础上，引入沪昆高速湖南邵阳段“7.19”特别重大道路交通危化品爆燃事故并对其进行实证分析，从物理层、基础层、运营层及监管层动态分析导致事故发生的控制缺失。结果表明:基于STAMP模型的安全分析方法不仅可考虑由组件失效引起的事故，还可发现组件之间的组织问题及决策背景，并对事故致因做出更为详细的解释，为类似事故的分析和预防提供思路与参考。     

灰色关联分析在道路交通事故中的应用

全国或某一地区的道路交通安全系统是一个灰色系统,可应用灰色关联分析法方便地确定影响交通安全的主要相关因素。由灰色关联度导出灰色关联序,以进行优势分析,从而得到交通事故的最(准)优因素及最(准)优特征。根据1990—2000年全国道路交通事故以及全国人口、机动车、公路里程和客货运输量等主要相关因素统计资料可知,货运量、货运周转量和客运量是影响交通安全的主要相关因素,死、伤人数是交通事故的主要特征和指标。由哈尔滨市2000年道路路段交通事故与交通组成统计资料可知,城市道路交通事故的主要影响因素是各类货车、摩托车和大型车。因此,加强货车和货运管理对提高我国交通安全水平具有重要意义。     

Research on the prediction of dangerous goods accidents during highway transportation based on the ARMA model

The COVID-19 epidemic has caused a lack of data on highway transportation accidents involving dangerous goods in China in the first quarter of 2020, and this lack of data has seriously affected research on highway transportation accidents involving dangerous goods. This study strives to compensate for this lack to a certain extent and reduce the impact of missing data on research of dangerous goods transportation accidents. Data pertaining to 2340 dangerous goods accidents in the process of highway transportation in China from 2013 to 2019 are obtained with webpage crawling software. In this paper, the number of monthly highway transportation accidents involving dangerous goods from 2013 to 2019 is determined, and the time series of transportation accidents and an autoregressive moving average (ARMA) prediction model are established. The prediction accuracy of the model is evaluated based on the actual number of dangerous goods highway transportation accidents in China from 2017 to 2019. The results indicate that the mean absolute percentage error (MAPE) between the actual and predicted values of dangerous goods highway transportation accidents from 2017 to 2019 is 0.147, 0.315 and 0.29. Therefore, the model meets the prediction accuracy requirements. Then, the prediction model is applied to predict the number of dangerous goods transportation accidents in the first quarter of 2020 in China. Twenty-two accidents are predicted in January, 23 accidents in February and 27 accidents in March. The results provide a reference for the study of dangerous goods transportation accidents and the formulation of accident prevention and emergency measures.     

Trends of hazardous material accidents (HMAs) during highway transportation from 2013 to 2018 in China

Statistical analysis of hazardous material accidents (HMAs) in China from 20013 to 2018 related to characteristics and consequences is discussed in this study, revealing different time volatility, spatial distribution and accident consequence features. Yearly, monthly, weekly and hourly levels of HMAs are analysed, and the corresponding factors are discussed. The trends of HMAs are affected by different factors, such as efforts toward safety-specific rectification by the government, holidays, five-day workweek systems and daily traffic peaks. The spatial distribution trends indicate that highway transportation of hazardous materials is mostly short-distance transport. The accidents that occurred on normal road sections account for 82.76% of the total HMAs during transportation. Leaking accidents caused by HMAs account for 79.35% of the total accidents. Countermeasures focusing on improving highway transportation safety for hazardous materials are recommended.