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。     

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%。     

基于季节性因素的安全生产灰色时序分析预测—以陕西省为例

为了探索安全生产和季节性因素的关系,建立X-12-ARIMA模型对2007-2012年安全生产月度数据进行分析,得到了分离季节性影响之后的时间序列、不规则因素、季节性因素和趋势循环因素,在此基础上建立考虑季节性因素的安全生产灰色SARIMA预测模型。研究结果表明,陕西省工矿商贸领域的安全生产受季节性因素的影响,每年的7月和12月是陕西省安全生产受到季节性影响最严重的月份;SARIMA预测结果与实际的陕西省安全生产走势较为吻合,精度较为可靠。研究结果对安全监管和安全生产政策制定有一定的指导意义。     

时间序列模型在火警短期预测中的应用

基于某市的119火警数据,采用时间序列模型中的ARIMA算法进行了分析.计算结果表明,该市119火警数据的天序列服从ARIMA(0,1,2)模型,周序列服从ARIMA(1,0,0)模型.从模型对数据的拟合效果来看,ARIMA模型较为准确的反映了数据序列的发展趋势.采用这两种模型对数据序列分别进行了短期的预测,其预测值与实际结果在趋势上基本一致,研究表明采用周序列预测的效果要好于天序列.基于时序模型的火警预测方法是实现时火灾应急处置中关口前移的重要措施.     

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。     

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。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与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相对瓦斯涌出量数据的平均预测精度达到96.74%。     

阜新煤矿区生态环境动态演变预测

生态环境因子动态预测是区域生态环境质量动态演变预测的基础。通过对影响煤矿区生态质量的16个指标因子的筛选,建立了自然环境、生态环境及社会经济三维体系下由年开采量等7个指标组成的煤矿区生态环境质量预测指标体系;结合阜新煤矿区生态环境特点,建立了煤矿区生态环境指标因子灰色系统GM(1,1)预测模型。根据2003—2012年阜新煤矿区生态环境指标因子环境统计数据,采用数值拟合得出开采量、埋藏深度、地面塌陷面积/开采面积、煤尘爆炸指数、矿区居民人均GDP及矿区经济贡献率6个指标因子的Quadratic模型与年降水量的指数模型。应用煤矿区生态环境指标因子灰色系统GM(1,1)预测模型和拟合模型分别对阜新煤矿区2003—2012年煤矿区生态环境进行了指标因子动态演变预测。结果表明,Quadratic模型和指数模型的预测误差相对较小,煤尘爆炸指数指标因子的预测拟合曲线决定系数最高(R2=0.96726)。最后应用Quadratic模型和指数预测模型对2013年阜新煤矿区生态环境指标因子进行了预测,并结合矿区实际环境状况给出了预测模型的适用性。     

基于非集计理论的驾驶适宜性度量模型

为量化驾驶人的驾驶适宜性,丰富对其的检测理论和方法,应用非集计理论中的多项分对数(MNL)模型构建驾驶适宜性度量模型。模型以驾驶人一定时间内事故发生次数作为选择肢,以个人固有属性、生理心理属性14项指标作为影响因素,并根据200份实际调查数据标定各影响因素参数。另外,选取60份数据验证该模型。结果显示:14项指标参数检验值均小于1.96,各参数统计学意义显著;模型判定系数为0.364 748,表明模型拟合程度较高;且该模型计算值与统计值最大绝对误差仅为3.3%,表明模型精度较高,可用于预测驾驶适宜性。     

基于灰色马尔科夫模型的机场安检危险品数量预测

机场安检的危险品数量具有动态、随机、非线性等特点,传统的GM(1,1)模型无法对其作出准确的预测。利用灰色GM(1,1)模型对2014年1—5月所查获的危险品数量进行计算、检验,并对6—8月的危险品数量进行预测。首先建立危险品数量的GM(1,1)模型,然后再对其预测值进行修正,结果表明,灰色马尔科夫模型的平均相对误差比灰色预测模型的平均相对误差减小了25.18%,表明灰色马尔科夫模型比单一的灰色预测模型的精度高,该模型是有效可行的,可为航空公司6—8月将要查获的危险品数量预测提供理论基础,以便引起相关部门的高度重视,并采取相应措施以保障旅客安全。     

基于均生函数模型的冲击矿压电磁辐射预测研究及其应用

通过实验研究煤岩变形破裂过程电磁辐射信号的变化规律,表明非接触电磁辐射法能动态预测冲击矿压等煤岩动力灾害现象;在非接触电磁辐射法动态预测冲击矿压的实验研究基础上,提出一种新的动态时间序列预测模型——均生函数模型,利用电磁辐射监测仪测定的现场工作面电磁辐射信号时间数据序列,通过逐步回归筛选时间序列构造一个均生函数方程;利用该方程预测预报未来电磁辐射信号的发展,并与现场测定的实际值进行对比分析,以此来验证该预测模型的正确性。误差分析和实践结果表明:均生函数模型的预测值与实际测定值的相对误差最大为6.71%左右,且距平趋势正确率均达到了60%,证明该模型与电磁辐射预测方法的有机结合能有效地预测冲击矿压以及提高预测的准确性,为冲击矿压电磁辐射预测技术的研究提供了一种新的研究思路和方法。     

环境监测系统中异常数据的识别和修复方法

为准确掌握企业大气监测数据的变化规律,得到完整的、接近真实的大气环境监测数据,提出一种组合异常数据检测算法(SWDS-LOF)以检测异常值,并利用多项式拟合的方法对异常数据进行修正.针对修正后数据不完整的情况提出多变量季节性时间序列模型(SARIMA),对随季节性变化趋势较明显的大气监测数据缺失值进行恢复,并建立高度相关的污染物传感器组之间的SARIMA模型,利用高度相关污染物之间的关系,通过完整监测数据恢复缺失部分数据,最终得到完整准确的监测数据.以某汽车公司的监测数据为例进行实证分析并验证所提算法和所建模型,结果显示SWDS-LOF算法与SARIMA模型检测并修正了 97％的异常数据,缺失数据段的数据全部恢复,且恢复精度达到94.60％,表明对于大气监测数据,该算法及模型具有较高的精度,可为大气监测数据的完整性及可靠性提供有效技术支持.     

矩形泄漏孔水平喷射火热辐射研究

为研究矩形泄漏孔水平喷射火的热辐射分布,首先采用火灾动态模拟软件(FDS)模拟具有相同面积的正方形和长方形泄漏孔下13种不同泄漏速度的喷射火,监测喷射火的热辐射数据和伤害半径;然后运用Thornton模型计算热辐射值和伤害半径,添加矩形泄漏孔长宽比因子至模型中,根据模拟结果修正Thornton模型。研究得出:热辐射的Thornton模型预测值和模拟值变化趋势一致,但Thornton模型预测值更大;修正后的Thornton模型可用于预测矩形泄漏孔喷射火孔口近区域的热辐射值;伤害半径与泄漏速度成指数关系,伤害半径的Thornton模型预测结果和模拟结果吻合得较好。     

应用电性拓扑状态指数预测烷烃自燃点

建立了一个基于人工神经网络的定量结构-性质相关性模型，用于52种烷烃化合物自燃点的预测研究。应用原子类型电性拓扑状态指数作为表征分子结构特征的描述符。该指数既能表征分子的电子特性，又反映其拓扑特征，同时易于计算，并有较强的同分异构体区分能力。采用误差反向传播（BP）神经网络方法对烷烃自燃点与电性拓扑状态指数间可能存在的非线性关系进行拟合。将52种烷烃样本随机划分为训练集（30种）、验证集（8种）和测试集（14种），并通过“试差法”确定网络的最优参数。运用最佳网络结构[64—1]对实验样本进行模拟，结果表明，多数样本的自燃点预测值与实验值符合良好，对于测试集，平均预测绝对误差为8．4℃，均方根误差为11．8，优于多元线性回归方法和传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物白燃点的有效方法。     

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。     

正丁醇-乙二醇二元混合液体系的闪点性能研究

使用一种二元理想溶液的闪点预测模型预测不同物质的量配比的正丁醇-乙二醇混合物的闪点,分析闪点预测值的变化规律,并进行非线性拟合,得出拟合方程。随后进行一系列实验测定不同物质的量和体积配比的混合物闪点,分析两者的数据变化趋势及影响因素。最后将闪点实验值与预测值进行对比,得出正丁醇-乙二醇的混合可燃液体整体闪点虽然较低,但有一定的危险性。     

基于傅里叶级数的自然灾害损失预测模型研究——以湖南省自然灾害经济损失预测为例

针对湖南省自然灾害经济损失发生的现状,结合傅里叶级数的相位特征,利用傅里叶级数时间序列模型给出自然灾害损失的变化趋势。根据1986—2007年湖南省自然灾害所造成的直接经济损失数据,在SPSS环境下进行拟合,并对未来5年湖南省的自然灾害所造成的直接经济损失进行预测。结果表明:傅里叶级数时间序列模型符合自然灾害损失发生的特点,有效地解决了传统损失预测模型在灾害经济损预测中误差大、稳定性差的缺陷,提高了预测精度;且得出未来5年湖南灾害灾情仍然具有递增的趋势的结论。采用该模型对自然灾害损失进行预测,其结果比较可靠,可供减灾决策部门参考。     

基于QRNN模型的生命年损失概率密度预测

为全面评估预测震害损失,提出一种概率密度预测方法。首先,通过改进的生命年损失计算法,获取生命年损失值;其次,采用基于Akaike信息量准则(AIC)的逐步回归分析法,辨识生命年损失的强关联因素,在此基础上构建神经网络分位数回归(QRNN)模型;然后,得到生命年损失预测值与强相关因素的非线性关系,输出不同分位点下生命年损失预测值,运用高斯核函数预测生命年损失概率密度;最后,选取我国1996—2014年的189条地震灾害损失数据作为训练样本,预测2015年10例地震的生命年损失,并与B样条分位数回归(QRBS)模型及3种线性模型作对比。研究表明:基于QRNN模型的震害损失评估概率密度预测,降低了数据依赖性,提高了评估效率;预测值平均绝对误差不超过7. 5%,便于震害评估。     

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。     

电梯设备安全事故率的广义代数差分预测模型

为预测电梯设备安全事故发生率，采用广义代数差分法(GADA)建立动态差分预测模型。首先，采用GADA设置多自由参数，构建系列动态差分方程；其次，采用代数差分法(ADA)设置单自由变量，构建对照方程；然后，耦合分析统计指标和图形形态，厘定电梯设备安全事故率的最优GADA预测模型；最后，利用近16年我国电梯设备安全事故数据验证分析最优预测理论模型的有效性。结果表明：我国电梯设备的安全事故发生率呈整体降低的趋势，但万台事故率的下降趋势有所减缓；采用GADA由指数方程推导的模型偏差为0.002 2,均方根误差(RMSE)为0.045 352,拟合度为0.886 8,是最佳预测模型，预测值相对误差为5.9%。该模型可根据电梯设备登记数、万台事故数等实时数据进行更新，预测我国电梯设备的安全事故发生率。