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-马尔科夫链理论的建筑施工事故预测研究

我国建筑事故预测中具有统计数据少、数据波动性大等特点,缺乏具有高精度、可操作性强的预测模型。将灰色系统理论和马尔可夫原理相结合,充分发挥了灰色系统理论适用于小样本数据拟合和马尔可夫适合处理数据波动大的系统过程的优势,通过GM(1,1)模型的建立,提出一种适合建筑事故统计数据特点的灰色马尔可夫预测方法。将该方法应用于1994—2007年建筑施工事故次数分析,以此为基础对2008—2009年的建筑施工事故次数进行预测。研究结果表明:基于灰色马尔可夫理论建筑事故预测结果精度可达90%以上。     

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。     

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。     

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。     

基于灰色理论的特种设备安全事故预测研究

应用灰色理论,借助于EXCEL及MATLAB软件工具,并以我国近年实际数据为基础,对我国“十二五”期间特种设备安全事故的绝对死亡人数和万台设备死亡人数进行了预测.结果表明,基于灰色理论的特种设备事故的死亡人数和万台设备死亡人数的模拟值和真实值较吻合,预测模型精度检验为好;预测指标可为特种设备安全政策制订和科学监管决策提供依据及参考.     

灰色─马尔柯夫模型在接发列车事故预测中的应用研究

应用灰色─马尔柯夫过程预测模型，对接发列车作业事故进行预先估计和推测；然后建立相应的软件包，通过定量的方法进行事故预测。以此达到了解和全面评价接发列车作业事故的未来状态和发展趋势。     

灰色系统理论在燃气事故中的应用研究

文章根据《全国燃气事故分析报告》中燃气事故类型整理相关数据,运用灰色系统理论对燃气事故进行研究。首先,构建GM(1,1)灰色预测模型对3类燃气事故的未来事故数量进行预测。经检验,该模型对3类燃气事故的预测具有较好的可靠性和精准度,能够适用于工程实际。其次,对各类型燃气事故原因进行分类,采用灰色关联分析的方法找出各类型燃气事故的主要致灾原因并提出相关建议。     

基于灰色系统理论的煤与瓦斯突出预测

为了对煤与瓦斯突出事故进行有效的预防与控制 ,笔者应用灰色系统理论中的灰色聚类评估方法 ,对矿井的煤与瓦斯突出进行了预测。经实例证明 ,与常用的预测方法相比 ,灰色聚类预测方法具有能动态预测、预测准确等优点。该方法将影响突出的多个因素综合系统的来考虑 ,跳出了常规预测方法只依靠单一指标进行预测的圈子 ,提高了预测的准确性。研究结果表明 ,该方法能准确地反映矿井煤与瓦斯突出规律 ,是一种新的煤与瓦斯突出预测的方法     

灰理论在企业职工工伤事故频率预测中的应用

简述了灰理论中GM(1,1)动态预测模型的特点及其建模过程,并将其应用于企业职工工伤事故频率预测中。经检验,模型的精度良好,预测结果可靠,有利于企业发现和掌握安全生产规律,以及对生产的未来状态作出科学的定量预测。通过实例验证了该模型的有效性。     

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...     

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。     

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。     

基于GM(1,1)模型的铁路行车事故预测

铁路行车事故的发生具有偶然性 ,但可利用预测理论的方法加以预测。笔者简述了灰色理论中GM(1,1)预测模型的建模过程和精度检验的方法及步骤 ,在某铁路分局 1995～ 2 0 0 2年间的铁路行车事故统计的基础上 ,应用GM(1,1)预测模型预测了该铁路分局 2 0 0 4年的铁路行车事故发生趋势 ,经精度检验表明 ,模型的精度等级合格 ,其预测结果为铁路行车事故的防范和降低事故损失提供了指导和科学依据。     

基于灰预测模型的大跨度预应力混凝土桥梁施工监测

运用灰色系统理论,建立大跨度预应力砼刚构-连续组合梁桥悬臂浇筑施工梁段立模标高预测的GM(1,1)模型,并用残差的GM(1,1)模型对其进行修正;同时把该预测模型应用于松原龙华松花江特大桥实际工程;其结果表明梁段立模标高预测精度较高,完全能够满足工程的需要,为同类桥梁的施工监测提供参考。     

混沌理论在事故分析及预测中的应用

在对江苏常州市某公司安全事故资料进行大量调查与统计的基础上,应用混沌理论分析了该公司安全事故的混沌特征,指出了事故对初始条件的敏感依赖性和事故的长期不可预测性。应用重构相空间理论对安全事故次数的时间序列进行了分析和预测。同时,还对安全事故统计资料进行了R/S分析,得出该时间序列以2 0 0 1年6月为界限,存在两个Hurst指数,H1=1.6 82 8和H2 =0 .2 936 ,表明在以3个月为时间统计尺度的条件下,事故发生次数在前一时间段整体表现为持久相关性,而在后一时间段表现为反持久相关性。预测与分析结果与实际情况符合较好,表明应用混沌理论进行事故分析与预测是可行的,反映了事故的发展趋势。     

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。     

基于人工免疫原理的事故预防研究

介绍生物免疫识别模式,分析事故预防过程的实质是抑制潜在危险转化成事故的控制过程,分析比较事故预防与生物免疫识别模式在作用、生存环境、动作触发源等的共性,构建了基于免疫识别模式的事故预防系统并建立了事故预防数学模型;定义事故预防系统的识别率、失效率、误判率并给出了数学表达式,指出监测生产系统各环节状态信息是否符合系统的安全要求就是识别潜在危险的过程,是事故预防的关键,基于人工免疫原理的事故预防数学模型具有较强的健壮性、自适应性和动态防护性等特点。