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。     

基于ARIMA模型的航空装备事故时序预测

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。     

自回归模型在井水埋深预测中的应用及改进

用时间序列分析方法建立井水埋深的预测模型时,首先采用差分的方法把季节性时间序列变成平稳时间序列,在此基础上,再用动态数据系统方法的传统F检验定阶法进行分析。由于样本的随机性可能过早地退出对模型的循环检验,从而不能找到合适的预测模型。笔者在用自回归模型建立井水预测模型的基础上,采用了一种改进的建模方法,提高了预测精度,并用实例进行了验证。     

基于SD模型的跑道侵入风控网络脆弱性分析

为量化评估跑道侵入风险水平,分析核心致因要素在风控网络中的脆弱性特征,首先根据跑道侵入案例及专家经验,系统识别跑道侵入风险致因,利用灰色关联理论分析影响致因关联度,确定核心控制要素;然后分析各要素间相互作用机制,建立系统动力学(SD)模型,引入贝叶斯网络和综合权重确定方法设计SD方程;最后脆弱性仿真与分析跑道侵入风控网...     

基于社会科学统计程序(SPSS)回归性分析的尾矿库事故预测模型

基于社会科学统计程序(SPSS)软件的分析功能,对调查研究中获取的尾矿库案例进行数据提炼和分类编码,找出相关因子并进行回归性分析。最终目的是找出尾矿库各个因素的内在联系,建立简单的尾矿库事故模型,从而可以初步预测尾矿库事故发生的可能性。该预测模型为尾矿库事故的研究提出了新方法,对于防灾减灾以及保护人民生命财产安全起到了积极作用。     

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。     

航空人为差错事故/事件分析(ECAR)模型研究

为深入研究航空人为差错事故/事件的影响因素,以人为差错相关理论为基础,对比分析几种典型的人为差错分析模型;通过借鉴ECCAIRS分析框架,并在基元事件分析(EEAM)逻辑和CCAR396部的分类方法基础上,构建航空人为差错事故/事件分析(ECAR)模型,它从事件层、描述层、原因层和组织因素与改进建议层,分析航空事故和不安全事件的人为差错。此外,还将组织因素概念引入该模型。     

基于模糊集和改进TOPSIS方法的跑道侵入风险评估

为预防民航机场跑道侵入事件的发生,减轻塔台管制员面临的跑道运行安全的压力,根据国际民航组织(ICAO)颁布的《防止跑道侵入手册》描述的空中交通管制(ATC)因素,建立影响跑道侵入的ATC指标评价体系。首先运用模糊集理论建立评价模型,并计算子指标的模糊可能性值,其值反映所论子指标风险概率。其次,采用改进的TOPSIS方法进行验证,并计算子指标的信度效度值。结果表明,得出的子指标风险值与模糊可能性值的排序一致。最后,根据子指标风险值的大小提出防止跑道侵入事件发生的建议。     

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。     

Fisher判别法在煤与瓦斯突出危险程度预测中的应用

为了提高煤与瓦斯突出的预测精度,根据煤与瓦斯突出的综合作用假说,选取开采深度、瓦斯压力、瓦斯放散初速度、煤的普氏系数以及煤体破坏类型作为判别指标。利用国内典型突出矿井20个实测数据作为训练样本,建立煤与瓦斯突出危险程度预测的Fisher判别分析模型,并应用于其他待判样本的预测。结果表明:Fisher判别分析模型能够反映多因素对煤与瓦斯突出的影响,分类性能良好,误判率低,借助SPSS软件实现,具有计算简单的特点,是煤与瓦斯突出预测的一种有效方法。