【正文】 t? ～ WN (0,)； (3A) (1 + ) 3t?? =( 2B ) t? ， t? ～ WN (0,)； (4A) (1 3B )( 4t? )= t? ， t? ～ WN (0,)； (5A) 2 5t??? = 2 5(1 )(1 ) tBB? = 24(1 1 .5 2 7 0 9 0 .6 3 1 1 )(1 0 .6 0 9 0 6 ) tBBB ????， t? ～ WN (0,)； (6A) 226???t = 226(1 )(1 )? tBB= 22 4 6( 1 0 . 8 6 2 5 2 )( 1 0 . 7 0 0 4 6 0 . 5 0 0 5 4 0 . 3 1 3 9 8 ) tBB B B ?????， t? ～ WN (0,)； (7A) 427???t =2 4 6 81( 1 ) tB B B B ?? ? ? ?， t? ～ WN (0,)； (8A) (1+ + 2B + 3B + 4B ) 8t?? = t? ， t? ～ WN (0,)； (9A) 6 9t??? = 6 9(1 )(1 ) tBB? = 26(1 0 .1 7 6 8 9 0 .6 6 6 3 7 )(1 0 .6 9 8 8 1 ) tBBB ????， t? ～ WN (0,)； (10A) (1 + 2B ) 2 10??t =( 2B ) t? ， t? ～ WN (0,) ； (11A) ( 2B + 6B 9B ) 11t?? =( ) t? ， 安徽審計職業(yè)學院畢業(yè)論文（設計） 8 t? ～ WN (0,) 根據(jù)上述模型，得到 2020 年 1011月份的各類安全生產(chǎn)事故量的點預測值，見表 3－5。 記 i? （ i =1,2,? ,9）代表死亡 i 個人的事故總量， 10? 代表死亡 10 人及以上的事故總量， 11? 代表總的事故量。當在 d 階差分后又作了步長為 L 的周期差分，則此時模型結(jié)構(gòu)為： ()()dL t tBB ??? ? ? ? ?。 最后，第三階段在第二階段基礎上給出了雙重非線性組合預測方法。 Bates[10]和 Clemen [11]都曾提出，可以將各種單一的預測結(jié)果進行組合得到一種組合預測結(jié)果，以達到改善預測效果的目的。 區(qū)域安全生產(chǎn)事故狀況 為了掌握不同地區(qū)安全生產(chǎn)事故的情況，通過數(shù)據(jù)分析整理，給出了 20202020 年各類安全生產(chǎn)事故在全國各地區(qū)的分布情況，見表 2－ 2: 表 22 我國 31個省市區(qū) 20202020年各季度安全生產(chǎn)事故平均總量統(tǒng)計表 省市區(qū) 第一季度 第二季度 第三季度 第四季度 01北京市 02天津市 03上海市 04重慶市 05四川省 06黑龍江省 07吉林省 08遼寧省 09河北省 10山西省 11山東省 12陜西省 13河南省 14湖北省 15湖南省 16江西省 17安 徽省 18江蘇省 19浙江省 20福建省 21廣東省 22海南省 23貴州省 24云南省 25甘肅省 26青海省 27廣西壯族自治區(qū) 28內(nèi)蒙古自治區(qū) 29寧夏回族自治區(qū) 30新疆維吾爾自治區(qū) 31西藏自治區(qū) 安徽審計職業(yè)學院畢業(yè)論文（設計） 6 3 各類安全生產(chǎn)事故總量預測 第 2 節(jié)從不同角度分析和考察了 20202020 年的安全生產(chǎn)事故現(xiàn)狀，本節(jié)基于時間序列模型及神經(jīng)網(wǎng)絡，通過三階段方式給出了雙重非線性組合預測方法。各類事故的季節(jié)指數(shù)圖匯總在下面的圖 2－ 2。 表 21 20202020年各類安全生產(chǎn)事故總量統(tǒng)計 圖 21 20202020年各類安全生產(chǎn)事故每年事故量趨勢變化圖 月度狀況 采用季節(jié)指 數(shù)對 20202020 年的安全生產(chǎn)事故進行月度趨勢分析。 2 安全生產(chǎn)事故現(xiàn)狀分析 根據(jù)國家 安全生產(chǎn)監(jiān)督管理總局官方網(wǎng)站發(fā)布的安全生產(chǎn)事故快報數(shù)據(jù)， 對20202020 年的安全生產(chǎn)狀況進行了分類型、分時段、分區(qū)域的整理分析 和比較 ,并結(jié)合各類安全生產(chǎn)月平均事故量 序列季節(jié)指數(shù)圖，指出了需重點關注的月份。 顯然，對不同類型的事故所采用的處置和應對方式以及相應的資源配置也不同?；诖?，本文重點針對安全生產(chǎn)事故的起數(shù)及其造成的死亡人數(shù)開展方法建模和實證研究。如呂海燕 (2020)[4]對我國工礦企業(yè)、消防火災、交通等進行總量統(tǒng)計分析，提出了相應的事故統(tǒng)計分析指標體系框架； Kopits 和 Cropper(2020)[5]專門對交通死亡事故與經(jīng)濟 增長的關系作了深入研究；任榮森 (2020) [6]等人建立了油庫的多層遞階解釋結(jié)構(gòu)模型 (ISM)，將油庫安全事故成因分為根本原因、直接原因和間接原因三個層次； (3)對安全生產(chǎn)管理的研究，主要包括：對事故管理績效的評估、城市生產(chǎn)安全事故應急管理能力評價、安全事故損失的計算、安全事故中的風險管理。 關鍵詞 ： 安全生產(chǎn)； ARIMA模型； BP 模型； RBF模型； GRNN模型 The Analysis and Forecast of National Accident Trends in Work Safety Abstract: Based on the data query system of accidents in work provided by the State Administration of Work Safety, not only does this paper analyze the statistics of work safety accidents but also explore the development trend of work safety accidents from 2020 to 2020. (accidents in work safety are classified by the number of deaths).At the same time, the ARIMABP ， ARIMARBF and ARIMAGRNN nonlinear bining forecast model are constructed. At last, this paper constructs a double nonlinear bining forecast model by bining three single nonlinear bining forecast models with RBF work. The results indicate that the accuracy of the double nonlinear bining forecasting models are higher than the accuracy of the single ARIMA model and three single nonlinear bining forecast models. This study provides a new method for promoting the development and improvement of strategic planning of work safety. Key words: Work safety； ARIMA model； BP model； RBF model； GRNN model 1 引言 目前，安全生產(chǎn)仍然是世界各國都必須面對和應對的重大問題。安徽審計職業(yè)學院畢業(yè)論文（設計） 1 安全事故現(xiàn)狀與趨勢分析方法研究 摘 要： 包括安全生產(chǎn)事故預防、控制在內(nèi)的安全生產(chǎn)監(jiān)督管理工作需要客觀把握安全生產(chǎn)的現(xiàn)狀并準確地判斷其總體發(fā)展趨勢。對此，我國堅持“安全第一，預防為主，綜合治理”的方針。如牛躍林等人 (2020)[7]建立了城市生產(chǎn)安全事故應急管理能力評價指標體系，為城市的生產(chǎn)安全事故應急體系建設提供決策依據(jù)； Karen(2020) [8]和 Shi(2020) [9] 對煤礦安全事故風險管理及造成的損 失從政府、行業(yè)規(guī)模和運營等方面作了探討。 首先把安全生產(chǎn)事故按其造成