基于HP滤波与ARMA模型的生产安全事故时序预测

为了研究月度生产安全事故变化规律并进行预测,采用Hodrick-Prescott滤波将事故序列分解为长期稳定趋势和短期波动两部分。对长期事故序列进行了平稳性检验,建立了线性回归预测模型。通过比较不同形式模型变量的显著性,建立了反映事故短期波动的自回归移动平均模型,短期预测值用于修正长期趋势预测值。结果表明,事故序列在长期上符合线性回归模型;事故短期波动预测ARMA(4,6)模型显示,事故波动变量与前1、2、4期存在自相关特征。     

基于半参数分析的电力需求预测算法

市场经济对电力需求预测提出了更高的要求。在简要介绍和评论以往国内外常用电力需求预测方法优缺点基础上,为了提高电力需求预测的准确度及预测方法的适应性,建立半参数回归模型预测电力需求。半参数回归模型分为线性和非线性两部分。线性部分反映了负荷预测可知的部分规律,非线性部分反映了负荷预测的不确定因素的影响。用偏残差方法估计半参数回归模型,估计结果由两步得到。首先估计线性参数部分,然后再估计非线性参数部分。通过示例计算,半参数回归模型对电力需求预测的估计误差数值小于二元线性回归法对电力需求预测的估计误差。结果表明:利用半参数回归法预测电力需求是一种预测精度高、计算容易、普适性强的算法。     

基于多元线性回归的煤矿驾驶员情绪预测模型*

为研究煤矿人车驾驶员情绪状态不良引发的煤矿驾驶事故问题,设计眼动实验并建立基于多元线性回归的驾驶员情绪状况预测模型对驾驶员情绪状况进行预测;通过眼动仪采集煤矿驾驶员良好情绪与不良情绪状态下的各项眼动指标,记录其主观情绪状态;使用多元线性回归方程对数据进行分析与建模,采用平均相对误差对预测模型进行评估。结果表明:每秒注视点个数、平均扫视速度、反应时间、危险源辨识个数在情绪变化前后存在显著差异,且与情绪状态呈较强相关;基于多元线性回归的驾驶员情绪状况预测模型预测精度较高,平均相对误差为8.16%。模型适用于煤矿人车驾驶员的情绪监测,可为煤矿驾驶员安全行驶提供保障。     

基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrat-ed Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行...     

山东省1998年各类事故状况分析及1999年趋势预测

在总结分析了去年全省各类事故基本状况,发生规律和特点的基础上,在事故预测方面利用定性预测和一元线性回归,趋势预测等定量预测方法相结合的办法,利用计算机应用软件Ｅｘｃｅ１７．０,制定出电子表格２０张,并对原始数据进行计算机数据处理,预测出１９９９年乃至２０００年全省事故状况,并结合全省实际情况,提出了控制和减少事故发生的对策。     

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。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法.分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较.结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性.但对某些水质的投药预测值还存在一定误差.     

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。     

中小型露天矿山爆破飞石最远飞散距离预测研究

爆破飞石事故给中小型露天矿山安全生产带来了极大的困扰,对周边人、机、环境系统带来严重的破坏.将线性回归分析引入爆破飞石最远飞散距离研究中,以矿山炸药单耗、最小抵抗线和边坡高度为主要因素,建立正交试验,模拟不同组合条件下爆破飞石最远飞散距离,最后进行回归分析,得出爆破飞石最远飞散距离的预测公式,提高预测精度,为日后中小型...     

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。     

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度。     

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。     

道路交通事故发展趋势分析与预测

根据福建省2000 -2010年交通事故相关指标,采用统计图表分析法进行交通事故发展趋势分析与安全水平比较研究,结果表明交通事故各项绝对指标总体呈下降趋势,但从万车死亡率、受伤人数与死亡人数比及交通事故死亡人数占各类事故死亡人数比重等相对指标看,交通安全总体水平偏低,交通事故后果比较严重.对交通事故死亡人数与GDP、机动车保有量、公路通车里程、人口数四项影响因素进行了多元线性回归分析,分析得出四个影响因素总体对交通事故死亡人数的线性影响是显著的,采取向后筛选策略线性回归分析得出,死亡人数与GDP的线性关系是显著的,根据回归结果建立了交通事故的预测模型.     

尾矿坝浸润线数据挖掘预测模型的样本选取研究

本文分别应用时间序列功能模型和回归模型,在原始数据的基础上建立样本,并运用支持向量回归机算法对样本进行训练,得出了尾矿坝浸润线埋深预测模型并进行了实例应用。研究证明,运用时间序列模型选取训练样本能够得出更为精确的预测结果。     

多元回归在大气环境污染事故预测中的应用

运用多元回归法,通过预测模型的选择、数学模型的建立、基础数据的整理和回归效果的检验,建立环境污染范围与诸条件的关系,达到快速估算的目的,从而形成一种有效的大气环境污染事故范围预测的方法.     

一种基于Logistic回归的全损飞行事故分析与预测

运用Logistic回归方法分析全损飞行事故的影响因素,并构建预测模型,然后利用飞行事故案例进行了实证检验。通过对样本数据过离散、空单元、多元共线性和特异值、特殊影响案例的诊断,以及对模型的拟合程度和预测效果的检验,表明所构建的模型比较符合现实情况,而且具有较好的拟合程度和预测效果。模型指出航班类型和机龄因素具有统计学意义,国内航班比国际航班的全损概率要高;机龄越老,全损概率越高。     

基于ARIMA和XGBoost组合模型的交通事故预测

近年来交通事故及其损失严重影响社会经济的发展和人民生活的提高,交通事故预测可以为交通事故预防提供数据支持。基于自回归滑动平均(ARIMA)模型和极端梯度提升(XGBoost)模型,构建时间序列组合预测模型,对交通事故相关指标进行趋势预测。根据交通事故的特点,选定"事故起数""受伤人数""死亡人数"及"损失"4个指标。首先,根据自相关、偏自相关图确定ARIMA模型参数,根据AIC(赤池信息准则)值确定最终模型;然后,对4个指标的ARIMA模型预测结果的残差构建残差序列,对其进行XGBoost建模,得出修正后的残差预测值;最后,根据残差预测值和ARIMA模型预测值得出组合模型最终的预测值。实例结果表明,4项指标的混合预测模型的预测精度均优于单一的ARIMA模型和Holt-winters模型,其中以"受伤人数"和"死亡人数"的模型改善效果最为显著,"受伤人数"指标的平均绝对百分比误差降低了5.431 7个百分点,"死亡人数"指标的平均绝对百分比误差降低了3.625 9个百分点。     

事故的组织管理原因文献综述

组织管理原因是一类重要的事故致因,对其全面了解才能有效预防事故。就组织管理原因对事故的作用机理、定义与内容、事故分析对其研究的现状进行文献综述。通过文献梳理发现,在一维链式事故模型和系统论为基础的事故模型中,组织管理原因对事故作用机理不同,但对事故发生都具有重要作用。现阶段研究中,组织管理原因没有统一的定义和内容,但具有的区别于其他事故致因的特性能得到共识。现阶段常见的事故分析模型对组织管理原因进行定量和定性分析,但仍需继续完善。最后,对组织管理原因的研究方向提出展望。