事故预测理论.doc

《事故预测理论.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、事故预测方法发展与研究引言：根据安全系统工程课程的内容，我选取了事故预测理论为专题，对其进行了学习与理解，并将所得所获整理成本文。事故预测是安全决策科学化的基础，对主动掌握事故预防和遏制事故的发生具有重要意义。它在分析、研究系统过去和现在安全可知信息的基础上，利用各种知识和科学方法，对系统未来的安全状况进行预测，以便对事故进行预报和预防。典型的事故预测理论主要有回归预测法，情景分析法、时间预测法、马尔可夫链状预测法、灰色预测法、人工神经网络预测法等。1.归预测法回归预测是根据历史数据的变化规律，寻找自变量与因变量之间的

2、回归方程式，确定模型参数，据此作出预测。回归预测中的因变量和自变量在时间上是并进关系，即因变量的预测值要由并进的自变量值来旁推。回归预测要求样本量大且样本有较好的分布规律。根据自变量的多少可将回归问题分为一元和多元回归，按照回归方程的类型可分为线性回归和非线性回归。可见，该方法对于想要分析的系统的数据量要求较大，即该模型是建立在大量的事故统计基础之上的。来自实践的事故数据可靠和真实,运用的数学方法或手段正确,建立的事故预测数学模型所预测未来时间内的事故就相当准确,对于预防事故和搞好安全生产就会起到指导性作用。所以，归预

3、测法的运用关键是事故数据的真实性和数学方法的正确采用以及实践知识的积累2.情景分析法情景分析法(ScenarioAnalysis)普遍适用于对缺少历史统计资料或趋势面临转折的事件进行预测。情景分析法目前发展很快，在事故预测方面常结合其他定量方法，根据情景分析得到最有可能发生的情景方案对其进行调整优化将会使预测的结果更加合理。常见的事故情景分析的技术有事件树、故障树和Petri网等。从事件排序、事件因素、事件之间的依赖性、建模时间以及差错恢复能力等方面对这3种技术进行了对比。发现Petri网对事故发展提供了较好的时间描述

4、，而事件树侧重于分析事件的因素，故障树侧重于梳理出影响事故发生的主要事件。目前研究的热点是管理者智力模型的伸展、组织学习的引发和加速过程等。通过对模糊环境的分解，情景分析法能够有效处理组织在战略层面学习的3种隐藏瓶颈：1)情景分析通过向决策者们呈现偏离的影像和分享经验的机会来提高他们对未知事物的发掘，并以此来激励决策者们不同智力模型问的融合，克服了内在的感知迟钝；2)情景分析向决策者们展示未来发展情景，并实现战略选择的结果，由此人为地缩短了阻碍战略学习的反馈延迟，加速了组织的学习进度；3)情景分析能有效地处理团队间的高

5、度一致和高度分歧两种情况，避免公司组织中由于群体思想的危险和个人意见分歧而导致研究瘫痪。一个组织要想提高他们联合决策的灵活性，不可避免的会面临进退两难的境况，大多数人的意见相同是基于例行公事智力模型，但是一旦不期望的变化发生，智力模型需要具有感知结构外信号的能力，否则团队将变得视野狭隘，无法适应新的环境；因此团队要想平稳地适应新变化，智力模型的多样性就要与环境的变化相匹配。3时间序列法时间序列的变化受许多因素的影响，概括地讲，可以将影响时间序列变化的因素分为4种，即长期趋势因素、季节变动因素、周期变动因素和不规则变动因

6、素。在时间序列分解模型的基础上，对4种变动因素有侧重地进行预处理，从而派生出剔除季节变动法、移动平均法、自回归法和时间函数拟合法等具体预测方法。在事故预测中，最常用的方法是指数平滑法和ARIMA法。4.马尔可夫链状预测法如果系统安全性指标量值在时间轴上呈离散状态，则可作为一个马尔可夫链(MarkovChain)来对待。马尔可夫链预测模型是根据事故各状态之间的转移概率来预测事故未来的发展，转移概率反映了各种随机因素的影响程度和各状态之间的内在规律性，因此该模型适用于随机波动性较大的预测。传统的方法用步长(滞时)为1的马尔

7、可夫链模型和初始分布推算出未来时段状态的绝对分布来做预测分析。该法默认所论马尔可夫链满足“齐次性”。实际应用中所论及的随机变量序列，尽管满足“马氏性”，但“齐次性”一般都不满足。另外，该法没有考虑对应各阶(各种步长)马尔可夫链的绝对分布在预测中所起的作用，因此没有充分利用已知数据资料的信息。利用各阶马尔可夫链求得状态的绝对分布叠加来做预测分析，可称之为叠加马尔可夫链预测方法。然而这种方法没有考虑各阶马尔可夫链对应的绝对概率在叠加中所起的作用，即认为各阶所起的作用是相同的，这显然不科学。因此也许可以考虑一种加权马尔可夫链

8、预测，也就是先分别依其前面若干时段的指标值对该时段进行预测，然后按前面各年与该年相依关系的强弱加权求和，这样可以更充分、合理地利用信息。马尔可夫链模型应用于事故预测中往往结合其他模型，充分利用各自的优势，如回归——马尔可夫链，灰色——马尔可夫链模型等。用马尔可夫预测来对事故的状态进行划分，能够正确描述事件的依赖性和跨阶段依赖性，克