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。     

道路交通事故死亡人数预测模型对比研究

为准确预测交通事故死亡人数,选取人、车、路和经济发展水平作为主要因素,建立GM(1,1)和Verhulst模型,进行事故预测和精度分析。结合马尔科夫方法,对已建立的模型进行修正,构建GM(1,1)-Markov,GM(1,3)-Markov和Verhulst-Markov模型。应用上述模型预测安徽省2012—2014年交通事故死亡人数。分析结果表明:应用GM(1,1)-Markov模型,3年预测值的相对误差分别为-8.4%,-12.81%和-13.18%;应用GM(1,3)-Markov模型,3年预测值的相对误差分别为-31.86%,-44.66%和-57.50%;应用Verhulst-Markov模型,3年预测值的相对误差分别为-2.68%,-2.88%和-2.42%。Verhulst-Markov模型的预测精度更高,可用来预测今后的道路交通事故死亡人数。     

基于组合预测优化模型的交通事故预测研究

为提高交通事故预测精度,基于熵值法构建UGM(1,1)-Holt组合预测模型,将滑动转移概率思想引入马尔科夫链模型,实现组合预测优化。应用该模型拟合分析2003—2011年湖北省交通事故死亡人数的历史数据,并以2012—2014年数据验证其有效性。通过实例对比UGM(1,1)模型、Holt指数平滑模型、组合预测模型和组合预测优化模型的预测精度。结果表明:相比前3种模型,提出的组合预测优化方法拟合值平均相对误差(MRE)为0.45%,3年预测值MRE为1.25%,能有效获取单一模型优势,预测精度更高。     

基于新维灰色理论的建筑安全事故与死亡人数预测

为提高建筑安全事故发生起数以及死亡人数的预测精度,探究两者间关系,本文在灰色GM(1,1)预测模型的基础上,构建建筑安全事故起数与死亡人数新维灰色预测模型,通过相对误差对预测结果进行检验,并运用该模型对2011-2022年全国建筑安全事故发生起数和死亡人数进行预测,证明两者之间具有正相关关系.结果表明:该模型对于建筑安全事故起数与死亡人数的预测精度较高,能够为建筑行业事故防控提供良好的指导意义.     

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。     

塔克拉玛干沙漠公路交通事故趋势预测分析

应用塔克拉玛干沙漠干线公路建成通车以来的交通事故统计数据,在分析交通事故主要指标发展变化特征和分布特征的基础上,建立了适用于沙漠公路交通事故特点的GM(1,1)预测模型,对未来几年内交通事故发展趋势进行了预测。预测结果表明,未来几年沙漠公路交通事故次数、死亡人数、受伤人数以及直接经济损失等4项指数将分别以15.9%,10%,4.5%和5%的年平均增长率快速增长。同时针对预测结果提出了相应的对策。     

基于灰色GM(1,1)-马尔科夫模型的职业病预测研究

为准确预测量化我国职业病的发病趋势,在灰色GM(1,1)模型的基础上结合马尔科夫过程构建灰色GM(1,1)-马尔科夫预测模型,探讨灰色GM(1,1)-马尔科夫模型在职业病预测领域的应用。通过平均相对误差、后验差比值、小误差概率3个指标对该组合模型的预测精度进行评估。结果表明:10维灰色GM(1,1)-马尔科夫模型与原始数列的拟合程度较高,预测精度等级为一级（好）,该组合模型的预测精度优于单一的灰色GM(1,1)预测模型;在遵循新陈代谢原理的情况下,我国职业病发病呈现上升态势,2015—2018年的职业病发病例数依次为31 196,36 284,37 724,39 147例。     

云南省交通事故数据的分析研究

通过对云南省1981—2003年的交通事故统计数据的分析研究,给出了交通事故死亡人数的预测模型。通过与发达国家类似的交通事故历史数据的对比分析,给出以时间和机动车拥有量为自变量、交通事故死亡人数为因变量的简单预测模型,该模型对2004年的交通事故死亡人数的预测是准确的;同时采用该模型预测了云南省交通事故死亡人数的峰值及其年份。结论指出:基于目前的人、车、路和管理水平及发展趋势,云南省的交通事故死亡人数在2013—2018年之间将达到高峰,高峰时的交通事故死亡人数在5528～7369人之间。     

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。     

基于GMM模型的煤矿顶板事故致死人数预测

为了解决目前常用预测模型对随机波动性较大数据预测精度偏低的问题,文章在灰色预测GM(1,1)的基础上引入马尔可夫状态转移矩阵,建立了灰色马尔可夫预测模型(GMM),并将该法运用到煤矿顶板致死人数的预测中。经计算GMM模型的预测平均相对误差为1.181%,最大相对误差3.426%,与GM(1,1)法相比,后者精度分别提高了21倍和13倍。     

道路交通事故BP神经网络预测研究

在分析道路交通事故影响因素的基础上,确定道路交通事故评价指标体系。该体系包含交通事故次数、死亡人数、受伤人数3个输出指标及12个影响因素。利用人工神经网络具的强非线性逼近、模糊推理、自学习的优点,建立道路交通事故BP神经网络预测模型。模型对我国2006年、2007年、2008年的交通事故情况进行预测,其中,2006年、2007年预测精度较高,2008年预测误差稍大,可能的原因为2007年12月修订的《中华人民共和国道路交通安全法》对减少交通事故起到较大作用。     

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。     

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%。     

天津市道路交通风险分析及其应用

针对天津市的道路交通情况,运用风险理论对引发交通事故的原因进行了分析和辨识。根据收集到的相关信息,运用灰色预测模型,对天津市的道路交通事故发生情况进行预测;对其结果进行了检验,发现未来天津市的道路交通事故的发生将呈上升趋势;且预测数值与实际情况吻合,说明灰色预测模型具有很好的适用性;针对风险辨识的结果提出简要的风险减缓措施,以减少交通事故的发生。     

道路交通事故发展趋势分析与预测

根据福建省2000 -2010年交通事故相关指标,采用统计图表分析法进行交通事故发展趋势分析与安全水平比较研究,结果表明交通事故各项绝对指标总体呈下降趋势,但从万车死亡率、受伤人数与死亡人数比及交通事故死亡人数占各类事故死亡人数比重等相对指标看,交通安全总体水平偏低,交通事故后果比较严重.对交通事故死亡人数与GDP、机动车保有量、公路通车里程、人口数四项影响因素进行了多元线性回归分析,分析得出四个影响因素总体对交通事故死亡人数的线性影响是显著的,采取向后筛选策略线性回归分析得出,死亡人数与GDP的线性关系是显著的,根据回归结果建立了交通事故的预测模型.     

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。