基于灰色神经网络的民航事故征候预测模型研究

通过对民航事故征候的分析和预测,掌握民航事故征候的发展趋势,并据此提出相应的安全措施以预防事故发生。在灰色预测基础上,结合神经网络理论,分析民航事故征候的特点,提出民航事故征候的串联灰色神经网络组合预测模型。首先,运用灰色理论弱化数据序列波动性,然后利用神经网络非线性信息处理能力构建模型。同时,根据最近10年民航事故征候统计数据,分别对灰色预测模型、神经网络模型和灰色神经网络模型进行检验,并预测未来3年的民航事故征候数量。利用Matlab软件进行预测仿真,对3种预测方法的精度和特点进行分析和比较。结果表明:民航事故征候的灰色神经网络模型预测精度高于单一的灰色预测模型或神经网络模型,并且所需样本少,运算简便,易于实现。     

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。     

关于铁路行车事故预测的应用研究

本文论述了事故预测对铁路行车安全的重要性,并应用灰色预测模型和概率回归估计法模型研制了预测软件,进行铁路行车事故的宏观及微观预测,为采取有针对性的防范措施提供一个可靠信息。     

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.     

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

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.     

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。     

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。     

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。     

灰色均生函数模型及其在航空装备事故预测中的应用

提出一种航空装备事故的灰色均生函数组合预测模型。该方法先建立给定事故时序的灰色GM(1,1)模型,然后再利用残余信息构建均生函数模型。从算例结果可看出,该模型建模过程简单,预测精度总体上好于灰色马尔柯夫预测模型,更优于单独使用灰色模型的预测精度。从而表明:将灰色GM(1,1)模型和均生函数模型有机结合,由前者揭示航空装备事故的发展趋势,后者描述其随机摆动特性,能够较好地刻画航空装备事故的发展变化规律,为航空装备事故提供了一种可行的预测方法。     

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。     

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。     

基于风险定量分析的化工装置事故演变动态模拟

为研究化工装置在突发事故情景下事故各阶段演变趋势规律和差异情况,进行定量评估化工装置风险,在此基础上确定重点监控化工装置。基于系统动力学原理和方法以及Vensim软件仿真模拟功能,以层次变量"安全防护性能→事故隐患危险性"作为主要变量,辅以多个辅助变量(即影响因素指标)的补充和完善,构建突发事故情景下事故各阶段的化工装置事故演变规律因果图和系统图并模拟。仿真模拟结果表明,安全防护性能和事故隐患危险性在化工事故情景下的事故演变趋势存在明显差异,相对于以往单一的对化工事故后果的定量风险分析,其对事故演变过程进行动态模拟研究有较明显的进步。     

基于关联规则的燃气事故不安全行为复杂网络研究

为有效防控城市燃气事故发生,运用关联规则和复杂网络对可能导致该类事故的不安全行为进行分析,揭示各因素之间的潜在关系和事故发生机制。收集2017—2022年间110起城市燃气事故调查报告并将其不安全行为划分为23类;利用Apriori算法挖掘各因素间的关联规则,得到支持度、置信度和提升度3个指标,并以关联规则中的前项和后项为基础构建复杂网络模型,从节点度、中介度中心性和聚类系数3个方面进行分析。研究结果表明：城市燃气事故发生多与个人安全教育程度不足、工作人员未落实相关管理制度以及个人安全措施和隐患排查不到位等因素有关,需加强相应的安全教育培训和安全管理体系建设。研究结果将不安全行为间的因果关系可视化呈现,为城市燃气安全建设提供一定的参考思路和决策支持。     

铁路行车安全预测初探

用灰色系统和概率统计的方法，对我国铁路行业两个铁路局的行车事故件数及百万机车走行公里数进行安全预测和讨论，就开展安全预测及安全管理中的一些问题提出了见解。     

城市燃气事故灰色预测模型及其应用

城市燃气系统是一个动态的不确定性系统,燃气事故发生具有随机性.运用灰色理论预测城市燃气事故,以上海市市北地区燃气死亡统计数据为原始数据,建立灰色预测模型,同时对模型的可靠性和准确性进行了检验.根据灰色理论模型GM(1,1)建立的城市燃气死亡事故预测模型为X(1)(k+1)=1962e0.048k.模型检验结果表明,关联度r=0.682 5>0.6,通过关联度检验;模型预测精度σ=97.8%达到最好;后验差比C=0.42,P=1,对照灰色预测精度检验等级标准,检验精度达到Ⅱ级,接近Ⅰ级.研究表明,城市燃气死亡事故预测模型还可用于安全工作成效性评价.     

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。     

从“事后”走向“事前”——回归预测法简介

依据已知的伤亡事故数据,利用数学方法,即回归分析法或灰色预测法,探索未来伤亡事故发生规律,建立事故预测数学模型,可达到有效控制事故的目的,从而使安全管理由“事故管理型”走向“事故预防型”。通化市在这方面的实践已收到良好效果。     

基于HP滤波与ARMA模型的生产安全事故时序预测

为了研究月度生产安全事故变化规律并进行预测,采用Hodrick-Prescott滤波将事故序列分解为长期稳定趋势和短期波动两部分。对长期事故序列进行了平稳性检验,建立了线性回归预测模型。通过比较不同形式模型变量的显著性,建立了反映事故短期波动的自回归移动平均模型,短期预测值用于修正长期趋势预测值。结果表明,事故序列在长期上符合线性回归模型;事故短期波动预测ARMA(4,6)模型显示,事故波动变量与前1、2、4期存在自相关特征。     

山区高速公路桥隧道段事故预测

为准确预测山区高速公路桥隧道段的交通事故数,首先通过探讨桥隧道段组合结构安全长度,考虑驾驶员识别视距与通风照明需求后对桥隧道段的定义重新进行诠释。然后,选取我国西南山区某高速公路符合桥隧道段定义的2条路段作为研究对象,以该路段2013—2017年的事故数据为样本,采用路段长度一致法将路段划分为1 km的路段单元。最后,考虑桥隧道段风险特性,从构造物设计、道路线形、交通流参数及路面状况4个方面选取13个解释变量,以事故率与事故数作为被解释变量,通过K-S检验与Q-Q图检验分析选用事故数作为最终的被解释变量,并选用负二项模型进行解释变量显著性分析,进一步确定显著性解释变量并对所选路段进行事故预测。结果表明：隧道长度占比、相邻路段纵坡差、抗滑性能指数及年平均日交通量是影响桥隧道段事故发生的显著影响因素,采用负二项回归模型进行事故预测拟合程度较高,预测结果与实际平均单元事故起数误差仅为1.5%,模型具有较好的准确性。