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。     

煤尘爆炸最大压力随点火延迟时间的时序性分析

为研究煤尘爆炸最大压力随点火延迟时间的变化规律,采用20 L球形爆炸装置进行试验,通过采集不同点火延迟时间下煤尘爆炸最大压力数据,建立最大压力-点火延迟时间的自回归移动平均(ARIMA)时间序列模型。采用差分法消除最大压力数据的上升趋势性。通过计算自相关、偏相关系数与赤池信息量准则(AIC)函数值、贝叶斯信息量准则(BIC)函数值,确定模型自回归、移动平均阶数,并采用最小二乘法估计模型参数。运用模型预测20组不同点火延迟时间下的最大压力。结果表明,用ARIMA时间序列模型预测的最佳点火延迟时间与实测情况基本吻合,同时实现了对最大压力数据波动特征的合理分析。     

基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行预测。首先,基于2011—2018年我国发生的危化品道路运输事故数据建立ARIMA模型,利用SPSS软件进行模型拟合预测,获取危化品道路运输事故起数的线性部分;其次,应用MATLAB建立LOESS回归模型,对ARIMA模型预测偏差进行残差优化,获取危化品道路运输事故起数的非线性部分;最后,建立ARIMA-LOESS组合模型,利用组合模型对危化品道路运输事故发生起数进行预测,并根据真实数据对预测结果进行对比验证。结果表明:ARIMA-LOESS组合预测模型可较好拟合危化品道路运输事故数据序列,并修正单一模型的误差,获取较高的预测精度。该研究可为危化品道路运输安全与运行的趋势分析与判断提供更加可靠的数据依据,也可为危化品道路运输事故防控方案提供帮助。     

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。     

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。     

建筑工程生产事故死亡人数时间序列分析

为研究建筑工程安全生产事故死亡人数的变化规律,采用时间序列分析方法,分析了建筑安全事故死亡人数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检验,最终建立了安全事故死亡人数预测模型。对全国2005—2014年建筑工程安全生产事故造成的死亡人数进行了分析和预测。结果表明:ARIMA模型各年预测值与实际值误差率为0.393,相比灰色模型和BP神经网络模型误差率最小。总体上说,ARIMA模型较适用于随机性较大的数据的趋势预测。     

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CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究

为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明：该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m³/h,均方根误差为10.6 m³/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。     

基于决策融合的多模型顶板安全预警

为了对矿井深部开采中煤层巷道的动压规律进行准确的预警预测,采用决策融合的多模型顶板来压预测方法。利用聚合经验模态分解方法(EEMD)对每个传感器监测数据进行模态分解,得到各子模型的多个固有模态函数(IMF)序列;根据模态函数的特点,对非线性序列运用支持向量机(SVM)模型,线性序列运用单整自回归移动平均(ARIMA)模型进行预测,再将各子模型中各种预测值合成重构得到各子模型的预测输出;通过统计识别模式将各子模型的预测数据进行归一化决策融合后,在同一个时空坐标系中表示出来。实际应用表明,用多模型融合的预测方法能实现采场顶板动态规律的远期、近期以及实时预测,并能很好地反映动压大变形规律,捕捉顶板灾害的预兆信息。     

我国工伤事故死亡率分析及其ARIMA预测

对我国工伤事故死亡率的历史数据进行分析,介绍ARIMA模型预测法。根据统计学理论,运用ARIMA模型,借助相关软件预测我国工伤事故死亡率,可知未来几年,工伤事故的千人死亡率总体上呈逐年下降的趋势;与移动平均法、指数平滑法预测结果作比较,可知ARIMA模型预测效果最佳;同时,由于影响工伤事故的因素很多,与长期预测相比,ARIMA模型更适合于对工伤事故死亡率作短期预测。     

火灾探测报警系统及其可靠性研究

随着经济的发展和城市化进程的加速,火灾探测报警系统作为早期发现火灾的重要设备,在火灾防控中发挥着越来越重要的作用,火灾探测报警系统及其可靠性也成为当前研究热点。本文介绍了火灾探测报警系统及其可靠性的研究现状,分析了火灾探测报警系统及其可靠性研究存在的问题,针对存在的问题,指出了火灾探测报警系统朝着智能化、标准化、网络化的发展方向,以及火灾探测报警系统可靠性研究的发展趋势,建立火灾探测报警系统数据库,并找出适用于火灾探测报警系统可靠性分析方法。     

基于Matlab的火灾探测报警系统可靠度Monte Carlo仿真

介绍了火灾探测报警系统的结构,指出了火灾探测报警系统失效原因,针对火灾探测报警系统的特点,确定了蒙特卡洛可靠度分析法.给出了系统的概率模型,确定了在Matlab下应用Monte Carlo方法对火灾探测报警系统的可靠度进行仿真的具体步骤,得到火灾探测报警系统可靠度仿真曲线.将仿真结果与试验结果相比较,基本一致,验证了该仿真方法能正确描述火灾探测报警系统的可靠度随使用寿命的变化规律,为进一步应用该方法来分析火灾探测报警系统的的各可靠性指标提供了理论基础.     

考虑数据去噪分解的滑坡位移组合预测研究

为准确掌握滑坡位移变化规律,基于滑坡变形监测结果统计,对位移数据进行去噪分解处理,将滑坡位移数据分解为趋势项和误差项,并分别利用优化多核极限学习机和Arima模型构建预测模型,以实现滑坡位移的组合预测.结果表明:Morlet复小波较传统去噪模型分解效果更优,且通过优化处理,能更好地提高其分解能力;通过对多核极限学习机的...     

中国火灾最佳灰色回归组合预测模型

火灾现象具有随机性、模糊性,是个复杂的灰色系统行为。研究火灾发生的规律及发展趋势,具有实用价值。笔者给出最小二乘估计意义下的最佳组合预测模型的定义,并求得其权的公式和证明权的惟一性;用回归分析方法建立多个回归模型,并按3条标准即①回归指数大、②系统误差小、③模型精度高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按3条标准即①后验差比值小、②小误差概率大、③预测关联度大,选定最佳灰色模型;再将最佳回归模型与最佳灰色模型有机地结合起来建立中国火灾最佳灰色回归组合预测模型。组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了预测精度,减少了预测误差。组合模型预测中国年火灾起数处于动态增长过程。     

池火灾热辐射的数值研究

通过列举储罐火灾事故,提出对池火灾进行研究的重要性。介绍目前池火灾国内外的研究现状及发展情况,描述池火灾燃烧特征和模型。应用化学流体力学基本定律,建立了描述池火灾过程的基本控制方程组,并根据适当的条件选择辐射模型。建立物理模型,做出合理假设,确定初始和边界条件,对池火灾热辐射过程进行数值模拟,得出火焰周围入射热流密度分布图,计算出相邻两罐之间的最小安全距离,应用于工程实际中,给防火间距的制定提供理论依据,计算结果定性合理。     

基于MTBF的光电感烟探测器可靠性研究

针对火灾探测报警系统重要组成模块—光电感烟探测器-报警控制器,根据其在实际使用过程中的不完全故障数据,改良了前人对该问题的传统研究方法,并提出了分段定时截尾可靠性参数模型。该模型主要考虑火灾探测报警系统控制器工作时序性和故障处理时间的影响,采用自主提出的原始故障数据筛选统计方法,分别求得光电感烟模块的首次使用寿命与平均故障间隔时间的参数估计。该方法能够减少火灾探测报警系统初始使用寿命过长而产生的平均故障间隔时间的估计偏差,对于火灾探测报警系统整体使用寿命的估计和维修管理有着重要意义。同时基于序贯思想的动态截尾也克服了定时截尾模型无法准确判断试验停止时间的不足,在保证参数较为精确的前提下最大限度地节省时间和资源。