事故預測理論與方法

前言

任何工程活動都有一定風險。工程活動的本性決定了工程是一把雙刃劍，它可能給社會帶來福祉，也可能給社會帶來危害，甚至帶來災難。我國每年由安全問題造成的經濟損失約占GDP總量的5％，傷亡逾100萬人。近年來冰凍和地震等自然災害也使我國蒙受重大損失。面對重大自然災害、技術災害和環(huán)境惡化，以事故控制與預防為主的防災減災工程必然成為人類所面臨的重要課題。在科學發(fā)展觀的指導下，“安全發(fā)展和可持續(xù)發(fā)展”催生了人類對事故預測的研究動力。絕不要“帶血的GDP”，已經成為《政府工作報告》體現“和諧社會”和“以人為本”的民生需求。國家“十一五”規(guī)劃的“復雜系統(tǒng)災變形成及其預測控制”，國家自然基金委2009年重大研究計劃“非常規(guī)突發(fā)事件應急管理研究”，科技部2009年973項目“應對重大災難、突發(fā)事件的關鍵科學問題”均體現了事故預測研究的重要性和必要性。中國古代思想家老子曾就防患于未然做過精辟的論述：“其安也，易持也。其未兆也，易謀也。其脆易判，其微易散。為之乎其未有，治之乎其未亂。”在科技高度發(fā)展的今天我們也應堅持“預防為主”的方針，防技術災難于未然。事故預測是防災減災工程和安全管理的基石，然而相關的研究還處于起步階段。通過研究事故致災機理，分析事故發(fā)生發(fā)展和形成的規(guī)律，謀求事故預測的有效性，為防災減災提供科學依據，是本書作者研究的目的。以自然災害，生產事故、社會性群體事件為研究對象，在參考、凝練了國內外學者關于預測理論研究成果的基礎上，本書匯集了作者多年潛心研究成果和經驗總結，期望能在一定程度上推動事故預測理論與方法的研究和應用。本書主要貢獻體現為以下幾點。一是系統(tǒng)梳理了當前事故預測的主要理論，同時還詳細刻畫了一些代表性的預測方法，比如：趨勢和因果預測方法，數值和概率預測方法，一元和多元預測方法，線性和非線性預測方法，確定和不確定性方法，白色、灰色和黑箱預測方法。二是對現有事故預測成果進行了比較分析，解析了相關適用場景和未來研究趨勢。因為不同預測方法的復雜性、數據要求、準確程度均不相同，應用中選取合適的預測方法是很關鍵的，也是比較難的。三是對部分預測理論和方法進行了修補和擴展。作者基于大量事故源資料信息，通過數據挖掘等手段，提取和凝練事故預測的方法擴展和模型改進。四是重點研究了若干組合預測模型及其應用案例。每種預測方法都具有描繪預測對象內部結構特征的獨特信息特征，通過組合預測揚長避短，實現系統(tǒng)復雜性預測的有效性和完整性。

內容概要

事故預測，是現代安全管理的重要組成部分。本書全面、系統(tǒng)地講解了事故預測的理論和方法，論述了事故預測的研究現狀和理論趨勢，總結了事故預測中最常用的六種方法：回歸預測法、時間預測法、馬爾可夫鏈狀預測法、灰色預測法、貝葉斯網絡預測法和神經網絡預測法，并對這些方法進行分析和比較。每一章大致包括以下四個內容：  （1）方法的簡介、預測原理及其在事故預測中的應用綜述；  （2）基本知識、建模方法和模型檢驗；  （3）擴展模型；  （4）該方法用于事故預測的實例。　  本書不僅可以為學者提供研究參考，而且可以作為研究生和本科生的專業(yè)教材，同時還可以作為安全管理從業(yè)人員的指導書。

作者簡介

鄭小平：教授、博士生導師，新世紀優(yōu)秀人才

書籍目錄

第1章　緒論　1.1　事故　　1.1.1　事故的定義　　1.1.2　事故的指標　　1.1.3　事故的特征　1.2　事故預測　　1.2.1　預測原理　　1.2.2　事故預測過程　1.3　事故預測方法　　1.3.1  回歸預測法　　1.3.2　時間序列預測法　　1.3.3　馬爾可夫預測法　　1.3.4　灰色預測法　　1.3.5　貝葉斯網絡預測法　　1.3.6　神經網絡預測法第2章　回歸預測法　2.1　概述　　2.1.1　回歸分析概述　　2.1.2　回歸預測法概述　　2.1.3　回歸分析的事故預測概述　2.2　一元回歸模型　　2.2.1　線性化　　2.2.2　參數估計　　2.2.3　模型檢驗　　2.2.4　預測模型　2.3　多元回歸模型　　2.3.1　參數估計　　2.3.2　模型檢驗　　2.3.3  自變量選擇　　2.3.4　預測模型　　2.3.5　事故預測舉例　2.4　線性回歸注意的問題　　2.4.1　殘差分析　　2.4.2　異方差問題　　2.4.3　自相關問題  2.5　離散預測模型　　2.5.1　泊松回歸模型　　2.5.2　負二項回歸模型　　2.5.3　logit模型  2.6　事故預測實例第3章　時間序列預測法　3.1　概述　　3.1.1　時間序列簡介　　3.1.2　時間序列預測法概述　　3.1.3　事故預測的時間序列預測法　3.2　基礎知識　　3.2.1　基本概念　　3.2.2　平穩(wěn)性和可逆性　　3.2.3　滑動平均過程（moving average processes）　　3.2.4  自回歸模型（autoregressive model）　　3.2.5  自回歸滑動平均模型（autoregressive moving average model） 　3.3　ARMA建?！　?.3.1　模型的識別和定階　　3.3.2　模型的參數估計　　3.3.3　模型的檢驗　　3.3.4　模型的預測  3.4　ARIMA建?！　?.4.1　平穩(wěn)性的檢驗　　3.4.2　非平穩(wěn)數據的處理　　3.4.3　ARIMA模型　　3.4.4　ARIMA建?！　?.4.5　ARIMA季節(jié)模型  3.5　指數平滑模型　　……第4章　馬爾可夫鏈預測法第5章　灰色預測法第6章　貝爾斯網絡預測法第7章　神經網絡預測法第8章　組合預測參考文獻

章節(jié)摘錄

插圖：第2章 回歸預測法2.1 概述2.1.1 回歸分析概述回歸分析是在19世紀末期由英國生物統(tǒng)計學家F.Galton提出的。當時為了研究父母身高與其子女身高的關系，Galton收集了1078對夫婦及其成年子女的身高信息，結果發(fā)現了如下關系：高個子父母的子女的身高有低于其父母身高的趨勢，而矮個子父母的子女的身高有高于其父母的趨勢，即有“回歸”到平均值的趨勢，這就是統(tǒng)計學上最初出現“回歸”時的含義。隨后高爾頓發(fā)表了一些著作，揭示了統(tǒng)計方法在生物學研究中的作用，引進了回歸直線、相關系數等概念，創(chuàng)始了回歸分析。后來很多學者把回歸分析應用到不同領域的研究當中，尤其是應用到了經濟學中，形成了計量經濟學，使得回歸分析得到了更為深入的發(fā)展。社會現象是相互依存、相互聯系的，其中的關系往往無法用精確的數學表達式來描述，只有通過對大量的觀察數據進行統(tǒng)計上的處理，從而找到其中的規(guī)律性?；貧w分析是對具有相互聯系的現象，根據其關系的形態(tài)，選擇一個合適的數學模型，用來近似地表達變量間的平均變化關系，再根據這些關系通過各影響因素來估計預測對象。雖然回歸分析法技術上比較成熟，但是由于所預測的過程過于簡單，并且要求大樣本容量以及較好的分布規(guī)律，因而使得其應用受到一定的限制。由于回歸分析是將預測對象的影響因素加以分解，考察各因素的影響情況，從而估計預測對象未來的數量狀態(tài)，從而可能出現量化結果與定性分析結果不符的現象，有時難以找到合適的回歸方程類型；而且回歸模型誤差較大，當影響因素錯綜復雜或相關因素數據資料無法得到時，即使增加計算量和復雜程度，也無法修正回歸模型的誤差；由于回歸分析的外推性差，因而在理論上不能保證預測結果的精確性?；貧w分析經過多年的發(fā)展，已經廣泛應用于各個領域。新的研究方法的不斷涌現，對回歸分析起到了滲透和促進作用。

編輯推薦

《事故預測理論與方法》為清華大學出版社出版發(fā)行。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    事故預測理論與方法 PDF格式下載

---