【正文】 定量的方法相結合，進一步提高決策的效果 。 ⑵調(diào)查單位或領導小組意見不應強加于調(diào)查的意 見之中 ，要防止出現(xiàn)誘導現(xiàn)象， 避免專家的評 價向領導小組靠攏 。如此反復往返征詢、歸納、修改，直到意見基本一致為止。同時，也向?qū)＜姨峁┯嘘P背景資料，并請專家提出進一步需要哪些資料。 (3)統(tǒng)計性 對各位專家的估計或預測數(shù)進行統(tǒng)計，然后 采用平均數(shù)或中位數(shù)統(tǒng)計出量化結果 。 德爾菲法一般適用于長期預測。 直觀預測典型的方法有 德爾菲法 ， 另外還有 情景預測法 和 頭腦風暴法 等。 結合事故分析技術和事故統(tǒng)計分析工作需要，通過學習經(jīng)濟統(tǒng)計學理論，歸納分析事故預測理論和方法，可以提高事故統(tǒng)計分析預測工作的科學性，從而推動事故統(tǒng)計分析工作的開展。 一些重要的事故指標： 煤礦 ：百萬噸死亡率； 特種設備 ：萬臺設備死亡人數(shù)； 火災 (消防 )：十萬人口死亡率； 道路交通 ：萬車死亡率； 民航飛行 ：民航運輸飛行百萬飛行小時重 大事故率。因此，進行事故指標預測可為國家的宏觀安全決策和事故控制提供重要科學依據(jù)，使其決策合理，控制正確。應該講，事故統(tǒng)計預測的方法與統(tǒng)計學理論性質(zhì)是一致的。 第二節(jié) 事故統(tǒng)計預測原理 一、事故統(tǒng)計的規(guī)律性 工業(yè)事故的發(fā)生表面上具有隨機性和偶然性，但其本質(zhì)上更具有因果性和必然性。 事故預測的起源可以追溯到 20世紀 30年代美國保險業(yè)所開展的安全分析評價工作。針對事故分析對象的不同，事故預測簡單分為 宏觀預測和 微觀預測 。 宏觀預測 研究事故的變化趨勢，根據(jù)過去和現(xiàn)在的事故統(tǒng)計資料，分析近期和未來的事故發(fā)展態(tài)勢，為宏觀決策提供科學依據(jù)。幾十年來， 隨著預測決策理論和技術的日趨成熟，特別是隨著現(xiàn)代數(shù)學方法和計算機技術的發(fā)展， 灰色預測決策、模糊分析評價、模糊概率分析、事故突變原理、計算機專家系統(tǒng) 等新理論在經(jīng)濟發(fā)展中的廣泛應用，使現(xiàn)代安全分析評價以及預測決策技術方法在一些工業(yè)發(fā)達國家的核工業(yè)、化工、環(huán)境等領域得到了廣泛應用。 對于個別事故具有不確定性，但對大樣本則表現(xiàn)出統(tǒng)計規(guī)律性。但 事故統(tǒng)計預測需結合事故特點建立和完善事故統(tǒng)計分析指標 。同時， 事故指標的高低取決于系統(tǒng)中人員、機械 (物質(zhì) )、環(huán)境 (媒介 )、管理四個元素的交互作用，是人－機－環(huán)－管系統(tǒng)內(nèi)異常狀況的結果 。 第二節(jié) 事故統(tǒng)計預測原理 三、事故統(tǒng)計的科學基礎 概率論、數(shù)理統(tǒng)計與隨機過程等數(shù)學理論，是研究具有統(tǒng)計規(guī)律性的隨機現(xiàn)象的有力工具。 第三節(jié) 事故統(tǒng)計預測方法 一、直觀預測法 直觀預測法 是依靠專家的知識和經(jīng)驗進行預測的一種定性預測方法。 德爾菲法 是根據(jù)專家的直接經(jīng)驗，對研究的問題進行判斷、預測的一種方法， 也稱專家調(diào)查法 。 (1)反饋性 反饋 表現(xiàn)在多次作業(yè)、反復、綜合、整理、歸納和修正，但不是漫無邊際，而是有組織、有步驟地進行 。 第一步 ： 提出要求，明確預測目標，用書面通知被選定的專家 。 第二步 ： 專家 接到通知后，根據(jù)自己的知識和經(jīng)驗，對所預測事物的未來發(fā)展趨勢 作出自己的預測 ，并說明其依據(jù)和理由，書面答復主持預測的單位。修改的次數(shù)，根據(jù)需要決定。 ⑶避免組合事件 。由于我國安全生產(chǎn)工作基礎薄弱，目前安全生產(chǎn)宏觀預測大都采用直觀預測法，即，聘請各方面的安全生產(chǎn)專家，形成 安全生產(chǎn)專家組預測 。 應用回歸分析可以從一個或幾個自變量的值去預測因變量將取得的值。 在運用回歸預測法時，要求滿足一定的假定條件，其中最重要的是關于 u1須具有的 5個特征 ： ⑴ u1是一個隨機變量； ⑵ u1的平均值為零； ⑶在每個時期中， u1的方差是一個常數(shù)； ⑷各個 u1間互相獨立； ⑸ u1與自變量無關。預測值與真實值常常是不相等的，這就需要一個置信區(qū)間來確立用每個給定的Ｘ值預測到Ｙ的平均值的范圍，同時也要給出單個Ｙ值的估計區(qū)間。選擇合適的自變量是正確進行多元回歸預測的前提之一， 多元回歸模型自變量的選擇可以利用變量之間的相關矩陣來解決 。 選擇曲線通?？梢苑窒铝袃蓚€步驟： ⑴確定變量間函數(shù)的類型 變量間函數(shù)關系的類型有的可根據(jù) 理論或過去積累的經(jīng)驗 ，事前予以確定。但在具體運用時，必須先通過變量變換，把非線性函數(shù)關系轉化成線性關系。所謂 外推 ，就是指把相關關系或回歸關系用于超出上述范圍之外。 數(shù)據(jù)資料的準確性容易理解，只有借以預測的資料是正確可靠的，才能保證分析和預測結果的可靠性。 數(shù)據(jù)資料的可比性和獨立性問題應該保證指標數(shù)值所包含的專業(yè)內(nèi)容、指標的口徑、范圍、計算方法和計量單位的一致性。事故原因分析可知，事故的發(fā)生受諸多因素的影響。 三、時間序列預測法 時間序列 是指一組按時間順序排列的 數(shù)據(jù)序列 。 ⑴時間序列的分解 時間序列的變化受許多因素的影響，概括地講，可以將影響時間序列變化的因素分為四種 ,即 長期趨勢因素 、季節(jié)變動因素 、 周期變動因素 和 不規(guī)則變動因素 。 ③周期變動因素 周期變動因素 也稱循環(huán)變動因素，它是受各種社會經(jīng)濟因素影響形成的上下起伏不定的波動。 當預測對象依時間變化呈現(xiàn)某種上升或下降的趨勢，并且無明顯的季節(jié)波動，又能找到一條合適的函數(shù)曲線反映這種變化趨勢時，就可用時間為自變量，時序數(shù)值Y為因變量 ,建立 趨勢模型 。 ②假設 事物的發(fā)展因素也決定事物未來的發(fā)展，其 條件不變或變化不大 。 ⑵趨勢模型的種類 趨勢外推法的實質(zhì)就是利用某種函數(shù)分析描述預測對象某一參數(shù)的發(fā)展趨勢，有以下 四種趨勢預測模型 最為常用。 ①圖形識別法 這種方法是通過 繪制散點圖 來進行的，即將時間序列的數(shù)據(jù)繪制成以時間 t為橫軸 ,時序觀察值 Yt為縱軸的圖形，觀察并將其變化曲線與各類函數(shù)曲線模型的圖形進行比較，以便選擇較為適宜的模型。 二階向后差分的定義為： k階向后差分的定義為： 1???? ttt yyy? ? ? ? 212112 2 ????? ??????????? ttttttttt yyyyyyyyy? ????????krrtrkrttk yCyy11 計算時間序列的差分并將其與各類模型差分特點進行比較，就可以選擇適宜的模型 。每出現(xiàn)一個新觀察值，就要從移動平均中減去一個最早的觀察值，再加上一個最新的觀察值，計算移動平均值，這一新的移動平均值就作為下一期的觀察值，計算移動平均值。如果數(shù)據(jù)是純隨機的，則全部歷史數(shù)據(jù)的均值是最好的預測值。 ② 在平均值的計算中， 將過去的每個觀察值的權重認為是一樣的 ，其實， 對未來的情況，最新的觀察值比較早期的數(shù)據(jù)含有更多的信息，應賦予相對大的權重 。二次移動平均對一次移動平均的滯后量與一次移動平均對實際值的滯后量大致相等。 ? ?mbaFSSNbSSaNSSSSSNxxxxSttmtttttttNtttttNttttt???????????????????????????????????????122121121?? 一次線性平均法 的兩個限制因素在 線性二次移動平均法 中也存在，只是 后者需要數(shù)據(jù)點是 2N。 客觀事物的發(fā)展是在時間上展開的，任一事物隨時間的流逝，都可以得到一系列依賴于時間 t的數(shù)據(jù)。事物發(fā)展過程若是一個隨機過程，無法用時間 t的確定函數(shù)關系加以描述 ,稱為 隨機型時序 ,建立的與隨機過程相適應的模型為 隨機型時序模型 。這里Ｎ個數(shù)據(jù)的權重系數(shù)之和為 1。指數(shù)平滑又稱指數(shù)修勻。依此類推 ,離現(xiàn)時刻越遠的數(shù)據(jù) ,其權系數(shù)越小。 一次指數(shù)平滑法是以最近周期的一次指數(shù)平滑值作為下一周期的預測值的 。滯后偏差的程度隨著平滑系數(shù) α 的增大而減少。此時，通?？刹捎?二次指數(shù)平滑法 來建立線性預測模型，然后再用模型預測。此時應 采用三次指數(shù)平滑法建立非線性預測模型，再用模型進行預測 。 參數(shù)分別由下式得出 ： 2? mcmbay tttnt ????? ? ? ? ? ?? ?? ? ? ? ? ? ? ? ? ? ? ?? ?? ?? ? ? ? ? ?? ?32122321232121234452561233ttttttttttttSSScSSSbSSSa????????????????????? 各次指數(shù)平滑值分別為： 三次指數(shù)平滑比一次、二次指數(shù)平滑復雜得多，但三者目的一樣，即修正預測值，使其跟蹤時序的變化， 三次指數(shù)平滑跟蹤時序的非線性變化趨勢 。這 兩種 選擇都是 極端情況 。但在實際預測時，還必須考慮時序數(shù)據(jù)本身的特征 ,當選 α 值接近于 1為最優(yōu)值時，常常預示著時序數(shù)據(jù)有明顯的趨勢變動或季節(jié)性變動 。 ① 如果時間序列雖然有不規(guī)則變動，但長期變化接近某一穩(wěn)定常數(shù) ,α 值一般取 ～ ，以使各觀察值在現(xiàn)時的指數(shù)平滑中有大小接近的權數(shù)。 時間序列平滑法具有 使用方便、計算和存儲費用低、模型參量直觀的特點 ，近年來在我國的許多研究領域具有廣泛的應用。 它主要試圖解決 以下兩個問題 ： 一是 分析時間序列的 隨機性 、 平穩(wěn)性 和 季節(jié)性 ； 二是 在對時間序列分析的基礎上，選擇適當?shù)哪Ｐ瓦M行預測。et是時間序列模型在 t期的誤 差或偏差， et1是時間序列模型在 t1期的誤差或 偏差，類似地， etq是其在 tq期的誤差或偏差。平穩(wěn)隨機序列的統(tǒng)計特性不隨時間的推移而變化 。 所謂 零均值化 處理，是指對均值不為零的時間序列中的 每一項數(shù)值 都減去該序列的平均數(shù)，構成一個均值為零的新的時間序列。 －詹金斯法的預測過程 博克斯－詹金斯預測法把預測問題劃分為三個階段： ⑴模型的識別； ⑵模型中參數(shù)的估計和模型的檢驗； ⑶預測應用。最后，根據(jù)這種分類比較分析的結果，來判定實際模型的類型。借助于統(tǒng)計分析軟件包如 SCA、TSP、 SPSS等 ,可以方便地在計算機上實現(xiàn)對 ARMA模型的估計，并對模型進行檢驗。 博克斯－詹金斯法則是根據(jù)對時間序列的具體分析，初步選定一個試用模型，然后用一系列統(tǒng)計方法來檢驗這個試用模型是否適用。因而 博克斯－詹金斯法適用于各種類型的時間序列數(shù)據(jù) 。 －詹金斯法時應注意的問題 ⑴ 博克斯－詹金斯法在模型識別時 需要 50個以上歷史統(tǒng)計數(shù)據(jù) ，這對按月、按季或按年記錄的資料往往較難收集。 ⑶ 博克斯－詹金斯預測法所依據(jù)的基本假設是： 一個時間序列的未來發(fā)展模式與其過去的模式是一致的 。 盡管博克斯－詹金斯法是一種理論較完善的統(tǒng)計預測方法，有著廣泛的應用。該理論將信息完全明確的系統(tǒng)定義為 白色系統(tǒng) ，將信息完全不明確的系統(tǒng)定義為 黑色系統(tǒng) ，將信息部分明確、部分不明確的系統(tǒng)則定義為 灰色系統(tǒng) 。 由于事故特性決定了事故統(tǒng)計分析是 灰系統(tǒng) ，加之事故原因復雜多變，事故統(tǒng)計的數(shù)據(jù)隨主觀和客觀原因而變。 事故統(tǒng)計預測 在我國日常統(tǒng)計工作中也經(jīng)常涉及到，通過同期對比和近期事故發(fā)展規(guī)律，分析近期事故嚴重程度和發(fā)展趨勢，提出近期應該采取的工作措施，召開安全生產(chǎn)工作會議，開展安全生產(chǎn)專項治理，組織安全生產(chǎn)大檢查等。利用數(shù)學模型開展的事故指標預測的成敗，關鍵在于對系統(tǒng)結構特征的分析和預測模型的建立。 一個完整的統(tǒng)計預測研究，一般有以下幾個步驟 ： 1)確定預測的目的 。準確的統(tǒng)計資料是統(tǒng)計預測的基礎。 3)選擇預測模型和方法，進行預測 。預測誤差是預測值與實際觀察值之間的離差，其大小與預測準確程度的高低成反比。 應用通用的統(tǒng)計預測方法時，一定要結合安全專業(yè)理論知識 。 方