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。     

基于加权线性回归模型组的湖北省工矿事故死亡人数分析预测

以2005-2014年湖北省工矿企业事故死亡人数为基础,通过对时间序列图分析可知,该省工矿企业事故具有明显的周期性、季节性。另外,依据安全系统特征属性,系统近期的状况相对远期的状况对未来预测更具有影响力。因此,各个季节数据的权重应有所不同。综合考虑以上两种情况,提出对4个季节建立不同的线性加权线性回归模型,并进行组合,形成加权线性回归模型组,进而对2015-2016年各个季度进行预测。最后,与传统的时间序列分析方法比较可知,加权线性回归模型组的方法建立的模型显著性、拟合度更高,并且模型的可读性更强、更简单。     

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。     

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。     

以ARIMA模型预测全国生产安全事故

本文根据2000~2015年全国各类生产安全事故死亡人数统计数据,建立ARIMA(1,1,0)模型,并对2020年全国各类生产安全事故死亡人数进行了预测,预测结果表明,ARIMA(1,1,0)模型预测值与全国安全生产"十三五"规划中规划目标值的相对误差为1.4%,建立的模型预测精度较高,预测结果可为安全生产管理决策提供科学依据。     

事故序列信息论

这是一组按人的信息处理过程及事故发生发展序列的安全信息模型。     

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。     

一季度全国生产事故死亡人数上升

一季度全国生产事故死亡人数上升本刊讯（记者晓讷）记者从劳动部安全生产管理局了解到，今年一季度，全国安全生产形势不容乐观，因生产事故死亡人数和经济损失呈上升趋势。据统计，１９９６年１～２月份全国企业共发生职工伤亡事故１８１１起，死亡１７５７人，重伤７３...     

高支模建筑工程坍塌事故

2010年5月8日,广州市天河区奥体南路一座在建的大型商场,其三楼廊桥过道是一座标高16．7m,面积约200m2的高大支模建筑。由于施工人员违规操作,在进行高大支模板混凝土浇筑过程中,发生了一起因承载力不足、支撑扣件爆裂,导致建筑楼层坍塌,造成4死4伤的较大生产安全事故。     

基于ARIMA模型的航空装备事故时序预测

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。     

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。     

基于SD-MOP模型的建筑施工安全事故预测研究

为解决传统预测方法对建筑施工安全事故概率预测与实际发生概率偏差较大的问题,本文基于SD-MOP模型对建筑施工安全事故概率进行预测。通过确定建筑施工安全事故预测目标函数及约束条件,基于SD-MOP模型确定目标优先级划分,预测建筑施工安全事故发生概率,对建筑施工安全事故进行预测,并与传统预测方法进行比较。结果表明:该预测方法与传统预测方法相比预测结果准确性更高,可为建筑施工的经济效益和社会效益提供保障。     

基于分形学的瓦斯爆炸事故时序数据分析模型及应用

针对煤矿瓦斯爆炸灾害子系统的复杂非线性动力学特性,以南方某省1958—2007年的煤矿瓦斯爆炸事故发生数构建时间序列,应用霍斯特时间序列数据的标度行为,提出瓦斯爆炸时间序列的重标极差分析(R/S分析)方法。结果表明:瓦斯爆炸时间序列的霍斯特指数为0.550 2,分形维数为1.449 8,其分式布朗运动轨迹表现出一定的持久性和非高斯性。为诊断瓦斯爆炸事故时间序列变异年份,对时间序列进行分段R/S分析,获得变异年份为1974年,以1974年为分界点构成2个时间序列,霍斯特指数分别为0.589 1和0.697 5,分形维数为1.410 9和1.302 5,与煤矿瓦斯爆炸事故时间序列的持久性趋势一致。煤矿瓦斯爆炸事故时间序列看似无序却蕴藏规律,反映了系统的动力学变化特征,R/S分析方法可以描述煤矿瓦斯爆炸事故时间序列的动力学特征。     

重特大火灾对南京市火灾发生影响规律的时间序列研究

本文采用时间序列法分析中国江苏省南京市每月火灾发生次数受该时间段内江苏省特大火灾以及南京市重特大火灾的影响规律。在对原始数据依次进行了异常点剔除、季节调整后,运用时间序列干涉模型对调整后的数据序列进行滞后分析,分析结果表明通常重特大火灾的影响可持续三个月。     

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。     

基于行为安全的建筑事故预防量化方法与实证研究

在阐述安全行为(BBS)预防事故原理及其应用效果的基础上,选取某工程项目作为试验对象,结合我国建筑业一线工人的特点,对BBS实施中的培训方法、关键行为确认、观察方法3个关键环节进行具体试验。试验中建立了行为变化指数的图线,使用了安全行为指数(SI)来评定一线工人的安全行为及变化趋势。试验结果显示施工现场一线工人作业过程中的SI比基线期提高15%,表明所设计的BBS方法对于提高施工现场一线工人的行为安全性具有明显的效果。     

建筑安全事故中的事件重要性定量分析

为制定建筑安全措施提供理论依据,采用Birnbaum测度描述诱发事故的事件重要度,提出基于二叉判定图(BDD)的建筑安全定量分析方法。在得到安全事故故障树后,该方法执行BDD逻辑运算生成BDD结构,并通过遍历该结构计算各事件的Birnbaum测度值。管理人员可通过量化的重要度数值来分析各事件重要性,确定对工程安全影响最大的一些基本事件,从而制定安全措施来减少事故损失、保证工程质量。BDD结构特点使得该方法便于计算机编程实现,实验数据的对比分析表明BDD方法可正确高效地分析建筑安全事故。