煤矿安全宏观预测方法综述

对几种比较适用于预测煤矿安全宏观预测的方法(线性回归预测、非线性回归预测、灰色预测、马尔柯夫链预测、灰色马尔柯夫链预测、神经网络预测法)进行了介绍,并作了进一步评述和探讨.     

三次指数平滑法在煤矿事故预测中的应用研究

随着我国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1992-2011年煤矿事故死亡人数的统计数据,运用指数平滑法中的三次指数平滑法,建立煤矿事故预测模型,预测2012年、2013年的煤矿事故情况.结果表明,三次指数平滑法预测模型符合煤矿事故的特点,预测精度较高,适用于短期预测.由此可见,三次指数平滑法预测模型可对煤矿事故进行科学的预测与分析,为煤矿企业的安全管理提供依据,以最大限度地减少煤矿事故的发生.     

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。     

基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行预测。首先,基于2011—2018年我国发生的危化品道路运输事故数据建立ARIMA模型,利用SPSS软件进行模型拟合预测,获取危化品道路运输事故起数的线性部分;其次,应用MATLAB建立LOESS回归模型,对ARIMA模型预测偏差进行残差优化,获取危化品道路运输事故起数的非线性部分;最后,建立ARIMA-LOESS组合模型,利用组合模型对危化品道路运输事故发生起数进行预测,并根据真实数据对预测结果进行对比验证。结果表明:ARIMA-LOESS组合预测模型可较好拟合危化品道路运输事故数据序列,并修正单一模型的误差,获取较高的预测精度。该研究可为危化品道路运输安全与运行的趋势分析与判断提供更加可靠的数据依据,也可为危化品道路运输事故防控方案提供帮助。     

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。     

美国通用航空飞行事故短期预测的时序外推分析模型

基于类推原理对美国通用航空飞行事故的统计数据进行分析研究,探求事故和趋势的内在规律.收集整理美国通用航空1990—2009年的历年飞行事故统计数据和1999—2005年8个飞行阶段的事故统计数据,运用二次指数平滑法分别对两组数据进行分析,建立事故预测的时序外推分析模型,采用经验试算和递推分割法确定平滑指数值,使用代替法和历史数据加权平均法确定预测初始值,提高预测精度.结果表明:模型对历年飞行事故的预测相对误差小,精度高,并与历年实际观察值的趋势相一致；虽然对各飞行阶段的预测在爬升、盘旋两个阶段出现了波动,但预测趋势符合实际趋势.最后分析美国通用航空飞行事故趋势下降的首要原因为美国联邦航空局一直在小型机场推进“小飞机运输系统”,同时要求制造商生产出配备自动驾驶仪表的全天候飞行飞机.而部分驾驶人员飞行操作技能不熟练和飞行计划准备不当是近年美国通用航空事故发生的次要原因.     

铁路事故研究现状及应用

对铁路安全及事故研究做了全面的概述，特别是事故研究的方法。磁悬浮列车作为新型的交通工具，其安全性特别重要。对磁悬浮列车系统的事故研究做了探讨，并提出了一种磁悬浮列车系统事故预测分析系统，运用多层次模糊评价评估法对事故进行预测分析。     

预测法在安全生产中的应用研究评述及展望

为更好地研究不同预测法在安全生产领域的应用现状和发展趋势,以当前安全类主流杂志中发表的涉及安全生产的文献为依据,统计6种定量预测法使用的频率和范围,分析预测法在当前安全生产方面应用的特点和成效,探讨预测法在安全领域的应用价值和前景。得出结论:选择有效预测法能极大地提高安全生产中事故发生的预测效率,做到先预防再预控;没有一种预测法是恒定有效的,预测法的选择需要根据不同部门、不同场景进行调整;组合预测法的灵活使用不仅能够避免单一预测法的不足,而且能提高事故预测的准确度。     

铁路行车事故加权马尔可夫SCGM(1,1)c预测模型及应用

从铁路行车事故的预测问题出发,试图找到稳定有效的方法对铁路行车事故进行预测.首先引入BX数据生成法对原始数据序列进行处理,以弱化原始数据之间的随机性.建立了单因子系统云灰色SCGM(1,1)c模型,揭示铁路行车事故时序变化的发展趋势.参照原始数据的中心趋势曲线,来划分铁路行车事故状态,得到了状态转移概率矩阵.据此计算自相关系数并进行归一化,作为各步马尔可夫链的权重,提出了加权马尔可夫SCGM(1,1)c模型,以修正SCGM(1,1)c模型的预测值,对铁路行车事故总数进行了拟合和预测.结果表明:相比较而言,加权马尔可夫SCGM(1,1)c模型在对铁路行车事故的拟合和预测中均有较好的效果,拟合精度和预测精度分别达到了98.92％和96.36％.