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。     

改进GM(1,1)模型在我国危险化学品事故预测中的应用

针对传统GM(1,1)模型建模方法存在偏差,当发展系数的绝对值较大时,模型偏差较大,无法用于中长期预测,甚至不能做短期预测等问题.从优化GM(1,1)背景值出发,通过提高背景值的构造精度,实现对传统GM(1,1)模型的改进,利用MATLAB软件编制高效的计算机程序,实现模型的模拟和预测,并将其应用于我国危险化学品事故起数及死亡人数预测.实例结果表明,改进GM(1,1)模型无论对变化平缓的低增长序列,还是变化急剧的高增长序列,都有较好的适应性,及更好的拟合和预测效果,为提高建模精度提供了新的途径.     

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％.     

改进GM(1,1)模型在铁路路基沉降预测中的应用

针对灰色GM(1,1)模型原始离散数据光滑度低以及在施工中背景值频现异常的问题,在传统模型的基础上,对原始数据进行函数变换,并按施工工况调整背景值,提高了模型精度。将改进的模型应用到南昌地铁3号线深基坑施工中,对临近铁路路基沉降进行建模预测。结果表明,利用函数对原始数据进行变换,调整数据光滑度,可使其符合级比要求;按照分工况预测的方法根据施工进度调整背景值,减小了异常背景值对精度的影响,预测值与实际监测值拟合度较好。     

改进欧拉法的GM(1,1)模型及其在非煤矿山事故预测中的应用

通过对GM(1,1)模型中的微分方程使用数值算法求解,提出一种改进欧拉算法GM(1,1)模型.将此模型应用于我国非煤矿山事故预测中,并且对改进模型的预测数据及结果与原始模型进行了比较,表明该预测模型提高了预测精度,验证了模型的可行性,并对我国非煤矿山事故发生趋势做出统计学的判断.该模型可以精确的预测近期的一些数据,而长远的预测则为一种趋势的反映.     

基于马尔科夫灰色残差GM(1,1)模型的火灾损失预测

科学地预测火灾事故及其损失,对于制定火灾防控措施具有重要的现实意义。应用基于马尔科夫的灰色残差GM(1,1)模型,对2002—2011年全国火灾损失进行模拟和预测,结果表明,该模型预测精度明显高于GM(1,1)模型,为火灾损失的预测提供了一种简单而可靠的新途径。     

改进GM(1,1)模型在城市环境噪声预测中的应用

本文从传统GM(1,1)预测模型构造原理出发分析其存在的不足,指出模型适用于具有较强指数规律的序列,只能描述单调变化过程,而且预测数据序列中出现连续两个相等值时将使得a等于0,会使预测数据发散致使预测失效.文中通过采用平均斜率的概念计算a(k)序列,并利用MATLAB编程实现数据处理.广州市环境噪声污染数据的计算表明,新方法有满意的拟合和预测效果,从而为提高建模精度提供了新的途径.     

改进GM(1,1)模型在管道结蜡厚度预测中的应用研究

为了准确预测含蜡原油管道的结蜡厚度,构建了基于灰色系统理论的改进GM(1,1)模型.在分析GM(1,1)模型基本原理和建模步骤的基础上,基于平移变换的思想建立了改进GM(1,1)模型,对比分析了改进GM(1,1)模型和传统GM(1,1)模型预测结果的差异,探讨了不同平移量对改进GM(1,1)模型拟合精度和预测精度的影响.结果 表明:改进GM(1,1)模型的拟合精度和预测精度均高于传统GM(1,1)模型;随着平移量的增加,改进GM(1,1)模型的预测精度出现了先高后低的变化趋势,因此在实际应用中应对平移量进行合理选择;应用改进GM(1,1)模型来提高管道结蜡厚度的预测精度是可行的,具有一定的推广应用价值.     

矿井瓦斯涌出量预测的GM(1,1)模型研究

矿井瓦斯渗出量预测,对矿井安全及正常生产至关重要。由于矿井瓦斯涌出量的影响因索、关联变量和约束条件复杂,对各因素之间的影响程度难以区分和把握,因此在预测预报中的精度较差。而采用灰色理论则具有高度的概括性,可以把各种不确定的因素,统一用一个简单的“灰数”表示,预测精度高而且使用简单。在分析某矿历年来相对瓦斯涌出量的基础上,应用灰色系统理论对其瓦斯涌出量进行了预测,其方法与结果对预防煤矿恶性事故的发生,悍证煤矿的安全生产具有重要意义。     

基于GIS的铁路行车事故救援系统研究

笔者扼要探讨了构建基于GIS的铁路行车事故救援系统的相关理论和方法 ,提出了该系统的设计目标、功能结构、体系结构以及空间数据库设计的简要准则和空间数据的输入方法。笔者还介绍了结合实际科研项目 ,开发的大秦线事故救援辅助决策支持系统。该系统具有以下几方面的特点 :在以工务信息为主体的基础上 ,实现了车、机、工、电、辆各部门主要业务信息以及事故救援预案信息的初步整合 ;实现了线路录像按里程点播以及录像与线路设备综合图的联动 ;实现了事故救援的辅助决策支持 ,提供了一个可以扩展的理想平台。     

GM(1,1)模型群在黄河水质预测中的应用研究

灰色预测对统计数据较少问题可以进行预测,一般3-4个数据就可以建模,由于建模序列长短不同,会得到不同的预测方程,即对实际问题发展趋势某种程度的把握.实际预测时若能将不同的预测结果综合考虑进去,效果更佳.介绍了GM(1,1)模型建立的方法与步骤,并依据黄河潼关断面过去10年(1996-2005年)水质状况,利用GM(1,1)模型群预测了未来7年(2006-2012年)的水质发展状况.     

基于灰色GM(1,1)-马尔科夫模型的职业病预测研究

为准确预测量化我国职业病的发病趋势,在灰色GM(1,1)模型的基础上结合马尔科夫过程构建灰色GM(1,1)-马尔科夫预测模型,探讨灰色GM(1,1)-马尔科夫模型在职业病预测领域的应用。通过平均相对误差、后验差比值、小误差概率3个指标对该组合模型的预测精度进行评估。结果表明:10维灰色GM(1,1)-马尔科夫模型与原始数列的拟合程度较高,预测精度等级为一级（好）,该组合模型的预测精度优于单一的灰色GM(1,1)预测模型;在遵循新陈代谢原理的情况下,我国职业病发病呈现上升态势,2015—2018年的职业病发病例数依次为31 196,36 284,37 724,39 147例。     

基于灰平面的事故预测方法研究

基于灰色系统理论中的灰平面概念 ,构建某一指定点的邻域系GM(1,1)系列模型 ,由模型的解得出原始数列的预测值范围 ,即灰平面并用实例比较分析了模型的精度。研究表明 ,基于灰平面的事故预测方法的优势是所需数据少 ,编程计算简便 ,模型精度较高 ,可以预测系统行为特征值未来发展的范围 ,是一种值得推广的预测方法。     

事故预测模型及应用研究

综合运用多种模型对企业货运事故预测进行了讨论，并根据一组实际数据对模型运用及检验进行了分析。     

基于GM(1,1)的残差修正模型的电梯故障率预测

为研究某城市某品牌电梯故障率发展趋势,建立了该城市该品牌电梯故障率的GM(1,1)灰色预测模型,并对所建模型进行了数据检验,检验结果表明该预测模型的预测精度波动较大。为了提高GM(1,1)灰色预测模型的预测精度,利用对模型进行数据检验时得到的残差序列,建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。利用经残差修正模型修正后的故障率预测模型对该城市A品牌电梯的故障率进行预测,结果表明:1)残差修正模型对原模型修正后的相对误差与修正前相比有升也有降,但精度有所提高且趋于稳定,表明残差修正模型有利于提高预测精度;2)利用所建立的故障率预测模型求得的预测故障率与实际故障率相比,相对误差不超过8.010%,表明该故障率预测模型的预测精度较高;3)修正模型预测值表明,在现有状态下该城市A品牌电梯的故障率呈上升趋势,应加强该品牌电梯的检维修与管理。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病,在传统GM(1,1)模型的基础上,提出改进的非线性GM(1,1)模型,在传统的GM(1,1)模型中引入弱化算子,将紧邻均值与原始数据之间的线性假设改为非线性假设,提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象,进行数据拟合和预测分析,其中以2014年职业病例数作为验证数据,并利用后验差比值和小误差概率2个参数,检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面,改进的非线性GM(1,1)模型的预测精度提高到一级,曲线拟合度较高,预测得到2015年的职业病例数为34 900例。