事故预测数学模型在矿山安全管理中的应用

根据已知伤亡事故数据，利用数学方法，即回归预测法和灰色预测法探索未来伤亡事故发生的规律，已在安全领域受到青睐。本文运用回归预测法对通化市矿山企业职工因工死亡事故建立了预测数学模型，从而使安全管理由事故管理型走向了事故预防型。通化市辖７个县（市）区，位...     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

从“事后”走向“事前”——回归预测法简介

依据已知的伤亡事故数据,利用数学方法,即回归分析法或灰色预测法,探索未来伤亡事故发生规律,建立事故预测数学模型,可达到有效控制事故的目的,从而使安全管理由“事故管理型”走向“事故预防型”。通化市在这方面的实践已收到良好效果。     

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.     

水上交通事故分析研究进展

为更好地开展水上交通事故分析研究,提高我国水上交通安全水平,从船舶风险评估与事故预测、事故分析以及事故及通航安全数据的组织与数据库建立3个方面对国内外的相关研究进行论述和分析。提出以建立水上交通事故时空数据平台为基础,结合数据挖掘和安全工程的理论方法研究事故发生机理,评估事故风险,并将研究事故模拟再现技术作为事故分析的重要技术手段。     

三次指数平滑法在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻.针对煤矿事故的特点,根据我国1992-2011年煤矿事故死亡人数的统计数据,运用指数平滑法中的三次指数平滑法,建立煤矿事故预测模型,预测2012年、2013年的煤矿事故情况.结果表明,三次指数平滑法预测模型符合煤矿事故的特点,预测精度较高,适用于短期预测.由此可见,三次指数平滑法预测模型可对煤矿事故进行科学的预测与分析,为煤矿企业的安全管理提供依据,以最大限度地减少煤矿事故的发生.     

煤矿人为事故发生可能性预测数学模型研究

研究发现，煤矿工人的冒险行为主要可以由生产条件、个人表现、工作状况及用工方式等影响因素预测，煤矿人为事故的发生可能性主要由煤矿工人的冒险行为表现预测。据此，便可建立预测煤矿人为事故发生可能性的数学模型     

基于灰色Elman神经网络的煤矿事故预测

随着煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻。针对煤矿事故的特点,根据我国1998～2007年煤矿事故数据,将灰色预测模型GM（1,1）与Elman神经网络预测模型相结合,建立煤矿事故预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,符合煤矿事故的特点。由此可对煤矿事故进行科学的预测与分析,为安全管理提供依据,以最大限度地减少事故的发生。     

有害物质泄漏扩散的数值模拟

有害物质泄漏是一种常见事故.利用高斯公式和三维有限元建立有害物质泄漏扩散数学模型,估测有害物质泄漏扩散的危害范围和泄漏物质扩散过程中浓度的大小,相应的数学模型可作为泄漏事故安全保障工作中预防为主的科学依据,从而为可能发生的事故进行预测预警.     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

液氯瞬时泄放扩散过程实时仿真

分析液氯钢瓶或容器爆炸后的氯气扩散各阶段的数学模型，设计了计算机实时仿真软件，最后给出大气扩散模型计算的云团在风力驱使下漂浮途中造成污染区域的等浓度曲线。文章的结论和实施方案对其它液化气体、尤其是重气的扩散过程模拟及实时仿真有参考价值。     

改进的灰色马尔科夫模型在飞行事故率预测中的应用

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型;对传统灰色预测模型的背景值和初值的构造存在一定的误差进行改进,并用改进后的新模型对飞行事故率预测的结果与传统的灰色马尔科夫模型进行对比;仿真结果表明:改进后的灰色马尔科夫模型预测精度有了进一步的提高并验证了算法的有效性。     

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。     

基于电力历史应急大数据的应急情景规则分析与发现方法研究

为了解决电力突发事件演化过程难于预测,进而导致事件应急缺少针对性,较为被动的问题,提出在现有应急预案指导、事故模拟仿真、事故案例经验总结等方法基础上,引入基于电力历史大数据分析与预测的应急情景规则分析与发现方法,将电力应急突发事件情景构建的结果与相关大数据预测模型（汇总统计、分类与预测）相结合,提出科学、合理且具有良好操作性的情景演化规则的获取方法与技术路线,为进一步提高复杂电力突发事件的应急处置与指挥能力提供技术支撑。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

几种事故预测方法的探讨

本文根据生产单位事故发生的随机性特点,论证了未来时段中事故次数及其时间分布等各项指标,是能够用多种随机数学模型和灰色系统理论来预测的。用非随机的函数模型预測事故是不合适的。给出了几种事故预測方法,并提出了几种值得研究和试用的方法。     

基于车速的交通事故贝叶斯预测

为了降低交通事故的发生率 ,提高道路交通安全水平 ,提出了基于车速的贝叶斯预测方法来检测和预测交通事故。首先对车速与交通事故之间的关系进行分析。在分析的基础上 ,以车速为衡量对象 ,提出贝叶斯预测方法。通过使用车速观测数据 ,应用 χ2 检验 ,确定是否为异常数据 ;并通过最小风险的贝叶斯预测 ,确定该异常是否会导致交通事故。最后 ,绘出利用该贝叶斯预测方法进行交通事故预测的流程图     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

石油井下作业井喷风险预警分级模型研究

结合石油井下历史事故资料和井下高危作业风险辨识资料,依据SMART原则,从企业应用角度,建立井喷风险预警分级评价指标体系,评价指标包括固有风险频率、事故严重度、监控与监测措施3方面;对各指标给出相应的权重和分值,并在风险原理的基础上设计风险评价分级数学模型,建立石油井下作业井喷风险预警分级标准。根据分级模型得到的风险分级结果可以对石油井下作业井喷风险进行有针对性的防范和控制,避免井喷事故的发生。     

城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。