基于马尔可夫链的城市火灾预测

根据1982-2001年的城市火灾统计资料，对现有火灾发生率进行分级，应用马尔可夫链对2002年和2005年城市火灾等级进行了预测，根据这种方法又对1992-2001年的火灾发生率进行检验，比较其预测结果与实际结果的一致性。     

基于北京市火灾统计数据的时间序列分析

采用Box-Jenkins法分析了城市火灾时间序列上的趋势性规律,通过数据预处理和模型的识别与诊断,最终建立了城市火灾预测模型。对北京市2000—2006年的火灾统计数据进行了平稳性处理,通过城市火灾预测模型的建模方法对北京市火灾发生次数的时间序列进行了ARIMA建模。根据得到的ARIMA(1,1,0)(1,1,1)12模型对北京市2007年的火灾发生次数进行了预测,并将该模型和BP神经网络模型的预测结果与实际情况进行对比分析。结果表明,ARIMA模型特别适用于随机性较大的火灾数据的趋势预测,并且方法简单,算法经济。     

信息扩散理论在河南省火灾风险评估中的应用

利用基于信息扩散理论的灾害风险估计模型对河南省1997-2005年间的火灾风险损失率数据资料进行处理,得到了河南省区域火灾灾害风险,并将所得结果数据制成专题图.这些专题图直观地展示了风险的分布及随灾害程度的增加风险的空间变化趋势.该方法简单易行,能为有关部门进行决策提供依据.     

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。     

基于灰色拓扑的公共聚集场所火灾预测模型

根据1991—2006年间中国公共聚集场所火灾统计资料,针对公共聚集场所火灾影响因子的不确定性和数据的波动性,运用灰色拓扑预测方法探讨公共聚集场所火灾发生的规律,并建立灰色拓扑预测模型,预测未来5年内火灾发生情况。结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准。因此,采用该模型对公共聚集场所火灾发生情况进行预测,其结果比较可靠,可供消防部门参考。     

基于火灾统计灾情数据的城市火灾风险分析

进行参数估计简单假设观察数据服从特点分布,由于条件变化,实际计算过程中往往出现不同状况下获得的数据服从不同分布的情况,从而存在假设与实际情况差异.本文介绍了信息扩散原理及其计算过程,信息扩散过程可以将一个孤立的观测值变成一个模糊集.利用上述特性,结合城市火灾统计数据给出了城市火灾风险的评估过程,确定了某市发生火灾后的损失率及其超越概率,为城市消防规划提供了技术参考.     

1993-2003年特大火灾发生规律、特征及原因分析

火灾作为一种灾害现象,其发生与发展具有随机性和确定性的双重特性.火灾统计分析是研究火灾随机性规律的一种有效方法,它通过总结、整理和分析大量的原始火灾资料,归纳出火灾发生的统计性规律.本文从1993-2003年我国火灾形势着手,联系火灾形势发展过程中的火灾起数、火灾中人员伤亡和直接财产损失等大量数据,重点分析了特大火灾的原因及类别特征,总结了特大火灾发生发展的规律和趋势,为正确认识和预测我国火灾形势、做好特大火灾的预防工作提供了参考.     

灰色系统理论在城市火灾事故预测中的应用

随着社会经济的飞速发展,城市化进程的加快和人口的迅速增长,城市火灾频繁发生,造成的损失呈上升趋势.针对城市火灾事故发生的特点,根据灰色理论的基本原理和特性,建立了城市火灾事故灰色理论预测模型,为了更为精确预测城市火灾事故的发生,将城市火灾事故分为了高峰期(春节)和非高峰期两个时段分别进行预测.最后以我国某南方城市火灾状况为例进行了预测,结果表明基于灰色系统理论进行分时段预测城市火灾发生时的结果更精确.     

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.     

林火数据的Logistic和零膨胀Poisson(ZIP)回归模型

利用统计模型对森林火灾数据进行了描述和分析,所用模型包括Logistic回归模型和零膨胀Poisson(ZIP)回归模型.将所用的森林火灾数据分别视为分组因子数据和有序变量数据进行建模.为了进行预测和验证,建模时使用部分数据,其余数据作为检验数据,用以检验预测的准确性.研究结果显示,所研究的两类模型都得到了与检验样本接近的结果,具有较好的火灾次数预测能力.其中零膨胀模型不仅可以得到与Logistic模型相当的结果,而且能够有效解决火灾数大于天数的问题,以及可以对零值过多的数据进行较好地建模.该研究表明所建立的Lo-gistic回归模型和零膨胀Poisson回归模型都是分析火灾与影响因素相关性的适用模型.