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.     

民航事故征候的关联度分析和灰色模型预测

民航事故征候的分析和预测是民航安全研究的重要内容,其目的是掌握民航事故征候影响因素的影响程度和未来发展状况,以此提出相应的安全措施,减少民航事故.通过对民航事故征候及其影响因子作灰色关联度分析,发现机组失误是关键因子,其后依次为总飞行时间、机械原因和天气原因;运用灰色模型对现有2001-2004年机组失误导致的事故征候的实测统计数据进行分析,预测出2005-2009年机组失误导致的事故征候次数分别为37、44、52、61和73;经过残差、后验差等检验分析,发现该模型精度较高,效果较理想.预测的趋势指示出机组失误导致的事故征候随时间的推移在增加.所以,在以后的航空安全管理工作中要着重加强机组管理,有效的预防和矫正机组行为失误,从而达到减少事故征候的目的.     

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。     

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。     

基于灰色神经网络组合模型的矿山安全事故预测分析

本文在分析灰色预测方法和神经网络预测方法所具有的互补优势的基础上,提出修正灰色预测残差序列的方法,计算其拟合结果,排除系统数据受到的冲击和干扰,建立基于灰色神经网络组合算法的模型,进而提高预测的精度。将此方法运用于矿业安全事故预测分析中,建立了多个预测模型,比较得出灰色神经网络组合预测模型的最优性,为矿业安全事故的预测研究提供了一种可行性途径。     

基于灰色-马尔科夫链理论的建筑施工事故预测研究

我国建筑事故预测中具有统计数据少、数据波动性大等特点,缺乏具有高精度、可操作性强的预测模型。将灰色系统理论和马尔可夫原理相结合,充分发挥了灰色系统理论适用于小样本数据拟合和马尔可夫适合处理数据波动大的系统过程的优势,通过GM(1,1)模型的建立,提出一种适合建筑事故统计数据特点的灰色马尔可夫预测方法。将该方法应用于1994—2007年建筑施工事故次数分析,以此为基础对2008—2009年的建筑施工事故次数进行预测。研究结果表明:基于灰色马尔可夫理论建筑事故预测结果精度可达90%以上。     

基于灰色Elman神经网络的煤矿事故预测

随着煤炭工业的快速发展，煤矿事故频繁发生，安全生产形势依然严峻。针对煤矿事故的特点，根据我国1998～2007年煤矿事故数据，将灰色预测模型GM（1，1）与Elman神经网络预测模型相结合，建立煤矿事故预测模型。结果表明，灰色Elman神经网络模型优于传统灰色预测模型，符合煤矿事故的特点。由此可对煤矿事故进行科学的预测与分析，为安全管理提供依据，以最大限度地减少事故的发生。     

焊接结构失效事故征候的灰色马尔科夫预测

焊接结构的可靠性,是锅炉压力容器特种设备安全研究的重要内容。将事故征候的预测研究引入锅炉压力容器特种设备的焊接结构安全分析的研究领域,通过灰色预测理论模型GM(1,1)与马尔科夫链预测理论模型相结合,利用两者的优点,不仅提高了对波动性较大的随机变量的预测结果可靠度,同时延展了灰色预测的应用。结合应用算例,将灰色马尔科夫预测模型与传统的GM(1,1)在焊接结构失效事件的前瞻性预测中的应用进行了对比,灰色马尔科夫预测模型对焊接结构失效事件的预测精度在98%以上,且较GM(1,1)模型预测结果的精度平均提高了近4%,能够消除GM(1,1)模型的固有偏差。灰色马尔科夫预测模型符合对锅炉压力容器特种设备焊接结构安全研究的实际要求。     

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。     

弱化缓冲算子修正的民航不安全事件离散灰色预测

为了掌握民航不安全事件的发展状况,并据此制定民航企事业单位的安全绩效考核指标,在民航不安全事件灰色预测的基础上引入离散灰色预测和弱化缓冲算子理论,基于中国民航2004—2013年不安全事件数据建立了弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型。通过中国民航2014—2015年不安全事件数据对模型进行检验,结果表明,弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型的预测精度明显高于灰色预测(GM(1,1))模型和离散灰色预测(DGM(1,1))模型,其中2阶平均弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型预测精度最高,采用该模型对2016—2020年我国民航不安全事件数进行了预测,预测结果为14 095、14 910、15 773、16 685、17 650。     

基于神经网络的民航安全态势评估模型及仿真

民航安全态势评估可以向管理者提供民航安全态势和未来态势变化的信息,帮助管理者作出科学的决策,是预防事故发生的关键。航空器事故征候、事故征候率和灾变的科学预测评估是民航安全态势评估的核心内容,分析选取影响民航安全态势的安全运行因素,尝试建立了民航安全态势评估模型,结合BP神经网络和Elman神经网络进行民航安全态势评估。2008-2010年民航安全态势评估结果如下：民航安全态势整体良好但事故征候较多,其中2009年的民航安全态势相对严峻,需要密切注意民用航空器事故的发生,同时应对2010年民用航空器事故进行高度关注,希望管理者采取积极措施进行事故预防。结果表明,基于神经网络建立的民航安全态势评估模型是可行的,可以作为我国民航安全态势评估的有效工具。     

基于TEM模型的民航不安全事件关联规则挖掘与分析*

为了预防民航不安全事件的发生,应用机组威胁与差错管理（TEM）模型分析2014—2020年民航事故/征候的航空安全报告资料,提取事件里存在于民航运行风险中潜在的情况、威胁、机组差错等因素,通过改进的关联规则方法挖掘其中的关联关系,包括挖掘与事件严重程度有关的因素,找到TEM模型中的关键因素和影响航空器结束状态的致因因素,并进行关联网络图分析。研究结果表明:手动操纵/飞行控制差错、缺少/不足的飞行培训和安全管理、飞行员之间沟通差错与程序执行错误是造成事故/征候的显著因素;关联规则能够有效利用航空安全报告信息,通过定量的方法挖掘事故/征候的特征,找到影响民航不安全事件的强关联因素,为民航安全管理人员提供决策依据。     

航空装备事故的灰色时序组合预测模型

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数据中的随机波动特征。最后,将2个模型的预测值相加,得到所求的组合预测结果。实例中,以美国空军1996—1999年的A级飞行事故10万时率数据为基础,建立灰色时序组合模型,模型中短期预测精度优于单一灰色模型,平均相对误差控制在5%以内,预测结果能够反映航空装备安全的实际状况。     

基于集成学习的改进灰色瓦斯浓度序列预测*

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度。结果表明:瓦斯浓度时间序列近似线性时,基于集成学习的改进灰色瓦斯浓度预测算法优于传统灰色瓦斯浓度预测算法,使瓦斯浓度预测值和实际值的均方根误差降低,均方根差最大降低2.25%。研究结果可有效提瓦斯浓度预测精度。     

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。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

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CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。