我国工伤事故死亡率分析及其ARIMA预测

对我国工伤事故死亡率的历史数据进行分析,介绍ARIMA模型预测法。根据统计学理论,运用ARIMA模型,借助相关软件预测我国工伤事故死亡率,可知未来几年,工伤事故的千人死亡率总体上呈逐年下降的趋势;与移动平均法、指数平滑法预测结果作比较,可知ARIMA模型预测效果最佳;同时,由于影响工伤事故的因素很多,与长期预测相比,ARIMA模型更适合于对工伤事故死亡率作短期预测。     

有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

基于三角模糊数的民航企业“管理”安全综合评价模型研究

在对我国民航企业安全管理的现状和常用的安全评价方法进行分析的基础上,提出并建立了民航企业"管理"安全模糊综合评价模型。首先,从组织管理、风险管理、安全保证、安全促进4个方面对民航企业安全管理的内容和特点进行分析,在此基础上建立民航企业"管理"安全评价指标体系;然后,根据三角模糊数理论和模糊综合评价理论建立民航企业"管理"安全模糊综合评价模型;通过上述指标体系和评价模型从而达到对民航企业"管理"安全进行评价的目的。最后,给出了一个应用实例,其评价结果表明:该模型具有很强的实用性和借鉴价值。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM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。     

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。     

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。     

民航事故征候的关联度分析和灰色模型预测

民航事故征候的分析和预测是民航安全研究的重要内容,其目的是掌握民航事故征候影响因素的影响程度和未来发展状况,以此提出相应的安全措施,减少民航事故.通过对民航事故征候及其影响因子作灰色关联度分析,发现机组失误是关键因子,其后依次为总飞行时间、机械原因和天气原因;运用灰色模型对现有2001-2004年机组失误导致的事故征候的实测统计数据进行分析,预测出2005-2009年机组失误导致的事故征候次数分别为37、44、52、61和73;经过残差、后验差等检验分析,发现该模型精度较高,效果较理想.预测的趋势指示出机组失误导致的事故征候随时间的推移在增加.所以,在以后的航空安全管理工作中要着重加强机组管理,有效的预防和矫正机组行为失误,从而达到减少事故征候的目的.     

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。     

弱化缓冲算子修正的民航不安全事件离散灰色预测

为了掌握民航不安全事件的发展状况,并据此制定民航企事业单位的安全绩效考核指标,在民航不安全事件灰色预测的基础上引入离散灰色预测和弱化缓冲算子理论,基于中国民航2004—2013年不安全事件数据建立了弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型。通过中国民航2014—2015年不安全事件数据对模型进行检验,结果表明,弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型的预测精度明显高于灰色预测(GM(1,1))模型和离散灰色预测(DGM(1,1))模型,其中2阶平均弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型预测精度最高,采用该模型对2016—2020年我国民航不安全事件数进行了预测,预测结果为14 095、14 910、15 773、16 685、17 650。     

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。     

机场安全趋势分析方法与应用研究

通过构建机场安全趋势分析模型,对各区域的不安全事件进行分类、分级,并采用责任因子分配机场管理机构和驻场单位之间的安全责任。利用2008—2014年某机场的825起不安全事件验证了模型有效性和可靠性,并预测了2015—2018年的不安全事件数量、起降架次、安全风险分数以及安全趋势指数。分析结果表明,此方法能够准确反映机场当前安全运行状况和未来的发展趋势。     

民航安全状况与社会经济指标关联分析

为了分析中国民航的安全趋势,基于中国民航1995-2014年安全生产历史数据和民航安全运行关系密切的26项社会经济指标,利用因子分析、相关系数等数学方法,建立了多元线性回归模型分析民航安全状况与社会经济指标的管理关联性。该模型表明对民航安全具有显著影响的社会经济指标包括国民经济、产业结构和人员素质。通过对比安全生产指标的拟合值和实际值,分析民航安全趋势的变化规律,并利用自回归移动平均模型预测2015-2018年民航安全生产指标值。计算结果显示该时间段内民航安全生产指标将处于历史高位,且呈现缓慢上升趋势。最后给出了针对行业安全监管、安全运行等方面的改进建议。     

SARIMA模型在航空公司运营安全状态预测中的应用

应用季节性差分自回归移动平均模型(SARIMA)对X航空公司动态安全指数进行预测分析,为航空公司运营安全的规划和发展提供决策依据。收集整理X航空公司2005年1—6月的安全事件和运行数据。利用动态安全指数计算方法对数据进行预处理,建立时间序列。应用SPSS软件对动态安全指数的时间序列进行模型拟合,建立SARIMA模型。对所获得的模型进行参数检验,选取最优模型。利用最优模型对2015年7—12月动态安全指数进行预测,并对预测值与实际值进行对比分析。结果表明,SARIMA(1,0,2)(0,1,0)12模型在显著性水平0.05下通过了所有参数检验。各月实际值都落入了拟合值95%的可信区间范围,动态安全指数的实际值与拟合值变化趋势基本一致。2010年之后精度较高,实际值与拟合值具有较好的重合度。△ln Yt拟合值的最大绝对误差为1.976 6(2009年12月),最小绝对误差为0.000 4(2013年9月)。2015年7—12月,动态安全指数的实际值与预测值变化趋势基本一致,但误差较大。SARIMA模型能够较好地短期模拟X航空公司动态安全状况和趋势,预测效果良好。当发生事故、严重事故征候时,序列的实际值会偏离序列原有的结构,预测精度下降。     

民航安全信息管理能力评价体系研究

对民航单位的安全信息管理能力进行科学有效的评价有助于提高其安全信息管理水平,进而提升安全绩效。借鉴已有信息管理研究成果,提出基于资源、过程及效果综合视角的民航安全信息管理能力模型,并结合民航单位调研访谈构建了由58个指标构成的初始指标集,通过指标聚类、样本聚类、变异系数3种方法筛选得到32个代表性指标。利用因子分析法、专家打分法、变异系数确定各指标权重,最后通过安全信息管理能力的模拟值与安全现状的相关分析验证各方法的有效性,并确定了评价指标体系。     

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。     

基于QSPR方法的脂肪醇化合物闪点预测

为提高脂肪醇化合物闪点预测精度,提出基于定量结构-性质关系(QSPR)原理的脂肪醇化合物闪点预测方法。应用Dragon软件计算出91种脂肪醇的分子描述符,利用遗传函数算法(GFA)从1 481个描述符中筛选出3个与脂肪醇闪点关系最密切的分子描述符。分别用多元线性回归(MLR)方法和支持向量机(SVM)方法进行建模,并采用内部验证和外部检验的方式对模型的拟合度、预测性等性能进行验证。结果表明:预测集的MLR方法和SVM方法的平均绝对误差(AAE)分别为2.870 K和2.706 K;均方根误差(RMSE)为3.451 K和3.371 K。SVM模型在精度上略优于MLR模型,而MLR模型更为简单和方便。     

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。     

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.     

中国民航安全评价方法研究

本文建立了一种新的民航运输系统安全评价方法,这个评价方法将测量行业运行事故、事故征候、不安全事件的发生频率及后果严重程度(死亡人数和受伤人数、直接经济损失等),建立一个评估模型,以此来评估和指示航空系统的安全性能,能够通过一套指数综合反映全系统的安全形势,使人一目了然地了解当前航空运输安全状况.使用此指数,可以对中国民航的安全风险进行宏观的、动态的实时监测,对航空安全的发展趋势进行预警,促进民航安全水平的提高.