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.     

我国煤矿行业安全生产预警指数模型研究

采用1982-2012年的煤矿安全生产指标数据资料,应用Hodrick-Prescott滤波法对其进行趋势分解,分析了我国煤矿安全生产的长期发展趋势和周期规律,采用安全生产指标的同比指数作为预警指数,应用二次指数平滑法对预警指数进行短期预测,并设定了预警指数模型的警限和警度,最终建立了煤矿安全生产预警指数模型。模型的运行结果表明,煤矿事故死亡人数、较大以上事故起数、煤矿百万吨死亡率和煤矿综合安全水平在今后5年内趋势向好,但仍有上下波动的可能。预警指数模型的建立及其运算结果对煤矿行业安全生产对策措施的制定有一定的指导意义。     

基于灰色预测法和指数平滑法预测研究新疆安全生产事故

采用灰色预测法和指数平滑法,分析新疆2010年~2015年安全生产死亡人数发展趋势。两种预测方法的结果均显示,新疆安全生产事故死亡人数呈缓慢下降趋势,并以2010年~2012年实际数据的验证,灰色预测法的误差在7.1%以内,指数平滑法误差在5%以内。指数平滑法预测精度略高于灰色预测法。     

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。     

贝叶斯动态模型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,煤矿安全生产形势趋于好转,煤矿各类事故死亡人数逐年下降,但是煤矿事故总量仍然很大。在分析了贝叶斯动态模型特点的基础上,依据2001~2013年我国煤矿事故百万吨死亡率数据,分别运用贝叶斯常均值模型和一阶多项式模型,对历年煤矿百万吨死亡率进行样本训练和残差分析,并对2014年煤矿百万吨死亡率进行预测。结果表明,贝叶斯动态模型可适应煤矿事故的特点并用于煤矿事故进行科学的预测,其一阶多项式模型具有较高的预测精度,研究方法及结果可为煤矿监管部门及企业的安全管理决策提供借鉴。     

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.     

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。     

2011—2020年我国煤矿水害事故相关因素特征分析北大核心CSCD

为深入探究我国煤矿水害事故现状及特点,分析其相关因素特征,以2011—2020年我国煤矿水害事故为研究对象,采用数据统计法对突水水源、发生地域、发生时间及煤矿所有制4个相关因素与煤矿水害事故的关系进行了分析。结果表明:1)水害事故的突水水源主要为老空水,约占所有水害事故的80%;2)山西、贵州、黑龙江是煤矿透水事故高发区,也是事故死亡人数最多的地区;3)每年4月份是水害事故高发时期,6—9月份发生事故后死亡人数较多;4)乡镇煤矿年均事故起数及死亡人数较多,但总体呈下降趋势。同时对重大水害事故原因进行总结整理,并提出了具体的防治措施与建议。     

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。     

煤矿政策对安全生产影响分析及实证研究

为分析煤矿政策对安全生产中的影响,回顾1978年以来煤矿政策和安全生产状况。统计了1978—2010年我国主要的煤矿政策,分阶段分析其与煤炭产量、煤矿事故指标之间的发展变化关系,运用EViews6建立煤矿事故死亡人数与煤炭产量之间的回归模型,并进行检验修正,比较验证煤矿政策的作用效果。结果表明:1978—1991年和1992—2002年,煤炭产量对死亡人数的影响系数为397.482,事故随产量的增长而加剧,但后一时期由于政策监管等因素影响,在同等产量条件下,煤矿事故相对减少;2003—2010年,影响系数为-283.770,煤矿安全状况随煤炭产量的增长而明显好转。     

基于GM(1,1)模型的军用车辆交通事故预测研究

在分析军用车辆交通事故预测技术重要性的基础上,根据2005—2009年的军用车辆交通事故原始数据,建立军车交通事故的GM(1,1)灰色预测模型。对军用车辆交通事故起数和死亡人数进行短期预测,并通过实例验证预测模型的适用性。通过模型验证结果可以看出:GM(1,1)模型预测所得数据较为精确。预测结论如下:未来几年,军车交通事故会稳步下降,事故发生次数会快速减少,但死亡人数相对减少较缓。     

2002-2014年我国煤矿重特大事故特征及发生规律研究

为了研究我国煤矿重特大事故的一般规律,分析了2002-2014年我国煤矿发生的421起重特大事故,得到我国煤矿重特大事故的基本特征.利用统计分析法从地域、类型、所有制3个维度综合分析了421起煤矿重特大事故.结果表明:山西、贵州、河南、黑龙江和湖南5个省份的重特大事故起数和死亡人数分别占全国总数的56.1％和56.8％,是我国需重点监管和治理的省份,并对山西、河南和黑龙江3省重特大事故频发的原因进行了分析;瓦斯事故和水害事故的发生起数及死亡人数占比分别为83.3％和86.3％,是需要重点防治的事故类型;国有重点煤矿重特大事故平均每起死亡人数为29.87,且近两年重特大事故起数和死亡人数均大幅度上升,是需要重点防范的对象;乡镇煤矿重特大事故起数及死亡人数下降速度均较快,但事故起数和死亡人数仍较多,是国家重点监控、治理的对象.     

塔克拉玛干沙漠公路交通事故趋势预测分析

应用塔克拉玛干沙漠干线公路建成通车以来的交通事故统计数据,在分析交通事故主要指标发展变化特征和分布特征的基础上,建立了适用于沙漠公路交通事故特点的GM(1,1)预测模型,对未来几年内交通事故发展趋势进行了预测。预测结果表明,未来几年沙漠公路交通事故次数、死亡人数、受伤人数以及直接经济损失等4项指数将分别以15.9%,10%,4.5%和5%的年平均增长率快速增长。同时针对预测结果提出了相应的对策。     

2006年我国煤矿特大事故的统计分析

本文对2006年我国煤矿特大事故进行分月统计,从各月事故发生的次数、死亡人数、相对于2005年的事故变化情况、引起事故发生原因等进行分析,得出:我国2006年的煤矿特大事故中,瓦斯事故仍是最主要引发因素,瓦斯爆炸为最主要事故类型,同时,在对原因进行分析后提出了相应措施.     

基于BP神经网络的安全生产事故统计情况预测分析

通过对1990—2008年安全生产事故统计情况进行分析,梳理了社会经济发展的各项指标,选择其中的人均GDP、第三产业比重、非农就业人口比重、城镇居民可支配收入、万人大学生数、万人医生数等反映经济发展的主要指标作为神经网络的输入端,以安全生产事故起数和死亡人数为输出端,以2007年全国各地区经济发展指标和事故统计情况为样本训练BP神经网络,进行不同省份安全生产情况的预测。其结果与实际情况符合性较好,为目前安全生产形势分析提供了一种新方法,该法对预测安全生产监督管理工作提供参考。     

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。     

遗传算法优化的BP神经网络在地震死亡人数评估中的应用

破坏性的地震灾害作为一种突发性自然灾害,往往会在短时间内造成大量的人员伤亡和财产损失。地震发生后若能有效地预测伤亡人数,可以更科学地组织人员救灾与配置救灾物资,对于减少震后的人员伤亡具有一定的指导作用。通过我国往期的地震数据信息,分析总结出对人员伤亡数目影响较大的7个因素,分别为地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度。鉴于这7个影响因素与地震时的死亡人数呈非线性关系,选用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型。针对BP神经网络的局限性,利用遗传算法全局搜索最优值的特点,对BP神经网络的权值与阀值进行优化,防止BP神经网络陷入局部最优解,并且加快神经网络收敛速度,从而提高BP神经网络的预测精度。从我国1970年至2016年之间发生的地震灾害中,选取32组造成人员伤亡的地震数据,对初始数据进行处理后,利用遗传算法优化的BP神经网络预测模型进行训练并预测。选取27组样本作为训练样本,另外5组样本作为测试样本。预测分析结果表明,遗传算法优化的BP神经网络预测死亡人数与真实死亡人数相比平均误差为9.72%,均方误差为10.41,而BP神经网络的预测死亡人数的平均误差为17.61%,均方误差为18.02,因此GA-BP神经网络结果较为理想,相比传统的BP神经网络具有更高的逼近精度。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

道路交通事故死亡人数预测模型对比研究

为准确预测交通事故死亡人数,选取人、车、路和经济发展水平作为主要因素,建立GM(1,1)和Verhulst模型,进行事故预测和精度分析。结合马尔科夫方法,对已建立的模型进行修正,构建GM(1,1)-Markov,GM(1,3)-Markov和Verhulst-Markov模型。应用上述模型预测安徽省2012—2014年交通事故死亡人数。分析结果表明:应用GM(1,1)-Markov模型,3年预测值的相对误差分别为-8.4%,-12.81%和-13.18%;应用GM(1,3)-Markov模型,3年预测值的相对误差分别为-31.86%,-44.66%和-57.50%;应用Verhulst-Markov模型,3年预测值的相对误差分别为-2.68%,-2.88%和-2.42%。Verhulst-Markov模型的预测精度更高,可用来预测今后的道路交通事故死亡人数。     

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.