基于GBO-Markov模型的空管不安全事件预测方法

空管不安全事件的分析和预测是空管安全管理研究的重要内容。结合灰色GM(1,1)模型和马尔科夫模型的优点,利用平均弱化缓冲算子对2004—2012年空管不安全事件的初始数据进行处理,并根据模型的残差分布情况进行状态分类,建立了空管不安全事件的灰色缓冲算子马尔科夫预测(GBO-Markov)模型。通过预测2013、2014年空管不安全事件数,对模型进行了交叉检验,灰色缓冲算子马尔科夫预测(GBO-Markov)模型的平均相对误差从57.31%(传统GM(1,1)模型)降低到15.77%,该模型可用于民航空管的不安全事件预测。     

基于粒子群优化的DGM（1,1）模型在基坑变形安全预测中的研究

为确保基坑施工期间发生变形后能够正常使用,将变权缓冲算子结合DGM(1,1)模型构造出变权离散灰色模型,利用相对误差、后验差比,灰色绝对关联度3种精度检验法作为粒子群算法适应度建立模型,构造PSO-VWDGM(1,1)模型,并结合实际工程监测数据研究不同适应度对基坑变形预测精度的影响。研究结果表明:不同适应度函数对预测精度存在较大影响,以灰色绝对关联度作为适应度建立模型预测精度较高,可以更好应用在工程中。研究成果可为工程施工阶段的基坑变形预测、稳定性分析与灾害评估、预警提供参考。     

海洋大气环境下架空管道腐蚀失重预测

为提高海洋大气环境下油气管道腐蚀失重预测精度，提出了一种基于IWOA-DGM(1, 1,λ)的架空管道腐蚀失重预测模型。首先用佳点集理论优化鲸鱼优化算法(Whale Optimization Algorithm, WOA)初始种群的布局以增强寻优能力，并用非线性自适应权重和改进黄金正弦算法避免WOA模型的随机性，以提高收敛速度。然后利用指数变换、变权弱化缓冲算子和新陈代谢改进离散灰色模型(Discrete Grey Model, DGM(1, 1)),指数变换可以提高原始数据的光滑度，变权弱化缓冲算子可以抵消冲击扰动的干扰，加入新陈代谢可以实现动态的中长期预测。再用改进鲸鱼优化算法(Improve Whale Optimization Algorithm, IWOA)对改进DGM(1,1,λ)模型中的参数λ进行寻优，最后建立改进鲸鱼优化算法的优化离散灰色预测模型(IWOA-DGM(1, 1,λ)),并用该模型对西沙Q235碳钢管道腐蚀失重情况进行预测。结果表明，改进模型的灰色绝对关联度、平均绝对百分比误差和拟合度分别为98.99%、2.43%和98.73%,各项评价指标均优于其他对比模...     

基于改进GM(1,1)模型的管壁结蜡厚度增长规律研究

为了进一步分析蜡沉积厚度随时间的变化规律,采用灰色理论和相关数据变换方法建立了改进GM(1,1)模型.在掌握传统GM(1,1)模型建模步骤的基础上,基于弱化缓冲算子的基本原理和线性变换方法对GM(1,1)模型进行了改进,采用均方差比、小概率误差及平均相对误差对比分析了传统模型和改进GM(1,1)模型的精度.实例计算结果表明:弱化缓冲算子作用后的改进模型较传统模型有更高的精度;采用缓冲算子结合线性变换方法所建改进模型的精度较好,其精度高于仅考虑缓冲算子时的改进模型;线性变换函数中常数R的改变会影响改进模型的精度,合理选择R有助于模型达到更高的精度;应用弱化缓冲算子结合线性变换方法建立改进模型来研究管壁结蜡厚度的增长规律完全可行.     

南京市化学原料及化学制品制造业能源消耗预测

化学原料及化学制品制造业作为南京市高能耗、高污染产业,对其能源消耗总量及能源消耗结构进行预测,对节能减排具有重要意义。以2002—2012年能源消耗量弱化之后的数据为原始数据,运用灰色GM(1,1)模型对2013—2020年南京市化学原料及化学制品制造业能源消耗总量以及主要能耗进行了预测。由于部分原始数据序列光滑性较差,所建预测模型的精度较低,使用平均弱化缓冲算子对其进行处理。结果表明,处理之后建模精度提高,预测的结果更加准确。     

管道腐蚀速率随时间变化的改进DGM(1,1)模型建立与验证

为了进一步探究管道腐蚀速率随时间的变化规律,采用灰色系统理论建立了改进DGM(1, 1)模型。以具有振荡特性的不同时间下管道腐蚀速率实测数据为研究对象,在分析DGM(1, 1)模型的基本原理和建模步骤的基础上,引入弱化缓冲算子D₁和D₂对该模型进行改进,对比分析了传统DGM(1, 1)模型和改进DGM(1, 1)模型的精度。结果表明：对于不同的腐蚀速率实测数据而言,传统模型计算值和实测值的平均相对误差差异较大;原始序列经过缓冲算子D₁和D₂作用后,所得改进DGM(1, 1)模型一和DGM(1, 1)模型二的精度均高于传统模型,其中改进DGM(1, 1)模型二的精度最高;应用改进DGM(1, 1)模型研究具有振荡特性的管道腐蚀速率完全可行,且该模型具有精度高、易于计算的优点。     

全速度多工况下客车横向转移率预测研究

为在全速度多工况下给客车防侧翻系统提供更多的应对时间,建立改进的GM(1,1)模型,用以预测客车横向转移率(LTR),即在GM(1,1)模型基础上引入弱化缓冲算子,预测的提前量可补偿防侧翻控制系统的时间迟滞,有利于减少侧翻事故。在Truck Sim和Simulink联合仿真环境下,首先通过比较LTR估算值与直接使用Truck Sim轮胎力得到的真实值,来验证基于车辆侧翻模型估算LTR的有效性;再利用改进的GM(1,1)模型在线预测客车LTR。仿真结果表明,GM(1,1)仅适用于单一易侧翻工况,而较复杂工况下的LTR预测结果存在剧烈波动;融合弱化缓冲算子的改进的GM(1,1)模型,能在全速度多工况范围内有效预测客车LTR。比较平均弱化缓冲算子及变权弱化缓冲算子的弱化效果,两者均能有效抑制预测峰值,且变权弱化缓冲算子的弱化效果更优。     

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。     

煤矿事故预测的马尔可夫SCGM(1,1)c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

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TEM模型的民航不安全事件关联规则挖掘与分析*

为了预防民航不安全事件的发生,应用机组威胁与差错管理（TEM）模型分析2014—2020年民航事故/征候的航空安全报告资料,提取事件里存在于民航运行风险中潜在的情况、威胁、机组差错等因素,通过改进的关联规则方法挖掘其中的关联关系,包括挖掘与事件严重程度有关的因素,找到TEM模型中的关键因素和影响航空器结束状态的致因因素,并进行关联网络图分析。研究结果表明:手动操纵/飞行控制差错、缺少/不足的飞行培训和安全管理、飞行员之间沟通差错与程序执行错误是造成事故/征候的显著因素;关联规则能够有效利用航空安全报告信息,通过定量的方法挖掘事故/征候的特征,找到影响民航不安全事件的强关联因素,为民航安全管理人员提供决策依据。     

基于灰色新陈代谢马尔可夫模型的飞行事故预测

灰色预测适用于时间短、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。笔者结合灰色新陈代谢GM(1,1)模型和马尔可夫链理论的优点,建立飞行事故预测模型。模型去掉已失去参考价值的历史老信息,补充新信息,克服了随机波动性数据对飞行事故预测精度的影响,提高了灰色预测的应用水平。实例预测1973—2008世界飞行事故,其结果证明了灰色新陈代谢马尔可夫GM(1,1)模型预测精度较高,可用于飞行事故预测,具有较强的科学性和实用性。     

多层次模糊评估法在民航不安全事件风险评估中的应用

通过对民航企业安全系统特点的分析,从导致不安全事件发生的人-机-环境-管理4个子系统中的不安全因素出发,采用层次分析、模糊评判和加权平均相结合的方法,分别计算了不安全事件发生的可能性和后果严重程度的指标,在该基础上得到了不安全事件发生的综合风险度,建立了民航企业不安全事件风险评估指标体系和评估方法.根据风险度评价矩阵和标准,企业可采取相应的风险控制措施,对不安全事件进行全面的管理,避免发生危险.     

灰色均生函数模型及其在航空装备事故预测中的应用

提出一种航空装备事故的灰色均生函数组合预测模型。该方法先建立给定事故时序的灰色GM(1,1)模型,然后再利用残余信息构建均生函数模型。从算例结果可看出,该模型建模过程简单,预测精度总体上好于灰色马尔柯夫预测模型,更优于单独使用灰色模型的预测精度。从而表明:将灰色GM(1,1)模型和均生函数模型有机结合,由前者揭示航空装备事故的发展趋势,后者描述其随机摆动特性,能够较好地刻画航空装备事故的发展变化规律,为航空装备事故提供了一种可行的预测方法。     

机组资源管理与飞行不安全行为关系的研究

通过对89起机组为主要原因的运输飞行事故征候进行分析,以卡方分析探讨CRM失效与飞行机组的不安全行为之间具有很强的关联性,即飞行机组沟通不当、情景意识削弱或丧失、不当决策与决策差错之间,机组沟通不当与违规之间显著关联;而且,这几方面的CRM失效正确预测对应飞行不安全行为的比例介于9.4%～43.8%之间,达到显著水平。研究以定量化的方式揭示出机组资源管理技能与飞行不安全行为之间的内部关系模式。也就是说,机组沟通不当、情景意识下降或丧失、决策过程不当与其决策错误显著关联,沟通不当与机组违规显著关联。研究结果对于CRM训练设计与制订飞行不安全行为干预策略具有应用价值。     

基于灰色马尔科夫模型的机场安检危险品数量预测

机场安检的危险品数量具有动态、随机、非线性等特点,传统的GM(1,1)模型无法对其作出准确的预测。利用灰色GM(1,1)模型对2014年1—5月所查获的危险品数量进行计算、检验,并对6—8月的危险品数量进行预测。首先建立危险品数量的GM(1,1)模型,然后再对其预测值进行修正,结果表明,灰色马尔科夫模型的平均相对误差比灰色预测模型的平均相对误差减小了25.18%,表明灰色马尔科夫模型比单一的灰色预测模型的精度高,该模型是有效可行的,可为航空公司6—8月将要查获的危险品数量预测提供理论基础,以便引起相关部门的高度重视,并采取相应措施以保障旅客安全。     

民航安全信息个体自愿报告意愿的影响因素研究

在前人研究成果的基础上,选择认知水平、同事顾虑、上级领导抵触、利己考虑、集体考虑、系统本身、安全文化7个影响因素,并依据SCASS分类标准,将上报意愿分为6个维度(报告提交经验、航空器不良运行或设备缺陷报告提交意愿、自身违规差错报告提交意愿、空防安全事件或隐患报告提交意愿、执行标准或飞行程序困难事件报告提交意愿、同事发生此类事件报告提交意愿),构建并验证个体自愿上报意愿的影响因素模型。研究发现,各类事件上报意愿分别受到不同的因素影响,其中,认知水平和安全文化对上报意愿起到正向影响,其他影响因素起到负向影响。本研究为民航单位针对性提高员工上报意愿提供理论指导。     

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。