【正文】 值與閾值，經輸出層輸出即可得到預測值。 BP模型表達式如下： ()O f WP B??,其中 O 為節(jié)點輸出； W 為節(jié)點連接權值； P 為節(jié)點輸入； B 為神經元閾值； f 為輸入 /輸出的傳遞函數。 隱層神經元的傳遞函數通常用 logsigmoid 型函數、 tansigmoid型函數、 purelin 純線性型函數。 在均方誤差最小原則下，容易求出1 1 2 2? ()t l t l t l tl ? ? ?? ? ? ?? ? ? ? ?? ? ?, 1 1 1 1? ? ? ? ? ?? ? ? ? ? ? ? ? ?t l t l t l l t l t? ? ? ?，所以1 1 1 1()t t l t l l tel ? ? ?? ? ? ? ?? ? ? ? ?， 2 2 211( ( ) ) (1 )tlV a r e l ???? ? ? ? ? ?， tl?? 的置信水平為 1?? 的置信限為： 122 21112?( ( ) (1 ) )l ?? ??? ??? ? ? ? ? ? ? 其中，12???為標準正態(tài)分布 12??的分位數，本文 ? 取 5%。得到如下 11 個預測模型。選擇20202020 年 9月之間的數據擬合 ARIMA 模型。其結構如下： 2( ) ( )( ) 0 , ( ) , ( ) 0 ,( ) 0 ,dttt t t sstBBE Va r E s tE s t??? ? ? ? ??? ? ? ? ? ??? ? ? ??? ? ? ? ?? 簡記為 ARIMA( ,pdq )。所以，第二階段在第一階段結論的基礎上應用神經網絡技術構建了三種可行的安全生產事故量非線性組合預測模型。 因為安全生產事故涉及多種復雜的影響因素，應用單一的預測方法難于滿足預測的有效性，所以有必 要采用多個預測方法進行組合預測，綜合利用各種預測方法提供的信息，以便減少預測誤差而獲得更好的預測結果。第 6 類至第 10 類事故呈現(xiàn)與前面安徽審計職業(yè)學院畢業(yè)論文（設計） 5 5類不同的特點，第 6 類需要加強監(jiān)管的月份是每年的 2 月、 5月和 10 月；第 7 類需要加強監(jiān)管的月份是每年的 1 月、 2 月和 8 月；第 8 類需要加強監(jiān)管的月份是每年的 1 月、 4月和 7月；第 9類需要加強監(jiān)管的月份是每年的 4月、 5 月和 10月；第 10類需要加強監(jiān)管的月份是每年的 3月、 8月和 11月。 如果季節(jié)指數值大于 1，那么第 i 類事故該月的事故平均值高于其總的事故平均值；如果季節(jié)指數值小于 1，那么第 i 類事故該月的事故平均值低于 其總的事故平均值?；诒?2－ 1，把 20202020安徽審計職業(yè)學院畢業(yè)論文（設計） 3 年各類安全生產事故的發(fā)生變化趨勢制成如下的圖 2－ 1。所以基于時間序列，建立了 10 類安全生產事故的數量以及安全生產事故總量的 ARIMABP、 ARIMARBF 以及 ARIMAGRNN非線性組合預測模型，并結合 RBF，構建了基于前述三個模型的雙重非線性組合預測方法，提高了預測精度。因此，相應的分析結果有助于國家安全生產事故預防、控制和應對的監(jiān)管工作。固然，安全事故規(guī)律需要分不同行業(yè)領域進行研究，但也需要整體認識和把握，這樣才能制定更科學更完善的國家安全生產戰(zhàn)略規(guī)劃。 國內外關于安全生 產事故研究的報告 [1]和文獻很多，主要集中在以下方面 :(1)某一類安全事故的預測預警，如李書全和竇艷杰 (2020) [2]針對建筑安全事故，提出了 RS— SVM預測模型；鐘銘 (2020) [3]采用模糊數據融合算法，對煤礦瓦斯進行預警； (2)安全事故發(fā)生的規(guī)律分析，主要包括：安全事故的成因分析，安全事故與相關經濟指標之間的關安徽審計職業(yè)學院畢業(yè)論文（設計） 2 系。實證結果表明，雙重非線性組合能夠較為精確地預測安全生產事故的發(fā)展趨 勢，可以為安全生產事故的預防、控制和應對提供管理和決策支持。本文基于我國安全生產事故快報數據，對近年安全生產現(xiàn)狀做出季節(jié)性等分析，并為短期安全生產形勢變化的預測與判斷不僅提出了三個可行的 ARIMABP、 ARIMARBF以及 ARIMAGRNN非線性組合模型而且進一步基于 RBF，對前述三個模型再次進行非線性組合，給出了一種新的雙重非線性組合趨勢分析方法。顯然，通過對各類安全生產事故的現(xiàn)狀和特征分析有助于認識安全生產事故的規(guī)律，通過對安全生產事故發(fā)展趨勢的準確判斷有助于對安全生產事故的預防、控制和應對做出有效的決策。 上述已有研究主要圍繞特定行業(yè)領域展開，而且主要集中在煤礦、建筑工程、交通安全生產事故。這樣一種分類方式符合國家安全生產按不同傷亡和損失規(guī)模做整體統(tǒng)計的原則。由于安全生產管理決策離不開預測，而預測的精度又決定了預測結果的可用性和有效性。整體年度狀況 見表 2－ 1。用 jkXi 表示第 i 類生產事故 200j 年第 k 月的事故 起數 ,則第 i 類事故在第 k 月的季節(jié)指數 Tjkj1k TCjhj 1 h 1C XiSXi???????。特別地，第 1 類和第 5 類每年的 7月份也需要高度關注。所以，第一階段對各類安全生產事故量采用 ARIMA 建模。又由于非線性函數關系確定非常困難，而用神經網絡來實現(xiàn)這種非線性函數映射相對容易并且神經網絡具有自組織、自學習能力、非線性逼近能力強 的特點。 第一階段預測 ARIMA 模型 [13] ARIMA 模型又叫 Box– Jenkins 法，是以美國統(tǒng)計學家 Gee 和英國統(tǒng)計學家 Gwilym 命名的時間序列分析方法。 安徽審計職業(yè)學院畢業(yè)論文（設計） 7 ARIMA 模型預測 ARIMA 建模過程包括數據檢驗、模型識別、參數估計、模型適應性診斷等。 11t? 代表第 t 期總的事故量。 其中置信限計算公式如下：由 ， ( ) ( )d ttBB?? ? ? ? ?， 記 * * * 212( ) ( ) 1dB B B B??? ? ? ? ? ? ? ?，又令 1 1 2 2t t t t? ? ???? ? ? ? ? ? ?，根據 B 的同冪次系數相等的原理，可以確定 12,?? ，即*1 1 1**2 1 1 2 2**11j j p d j P d j??? ? ?? ? ?? ? ? ?? ? ? ?? ? ? ? ? ????? ? ? ? ? ? ?? 其中， 0, 01, 1j jj ????? ??， 0,j jq? ??。 圖 3－ 1 安全生產事故總量時間序列擬合預測圖 安徽審計職業(yè)學院畢業(yè)論文（設計） 9 第二階段預測 BP 模型 [14] BP 神經網絡由 Rumelhart 等人于 1986 年建立，是一種多層前饋型神經網絡，由輸入層、隱層和輸出層構成。本文采用 BP 建立了第一種非線性組合預測方法，記作： ARIMABP。確定神經網絡為 3 層，輸入層、隱層及輸出層，隱層采用 S型函數作為傳遞函數，輸出層取線性函數。 1988 年，Broomhead 和 Lowe 根據生物神經元具有局部響應這一特點，將 RBF 引入神經網絡設計中，安徽審計職業(yè)學院畢業(yè)論文（設計） 10 產生了 RBF 神經網絡。因而將它應用于復雜的時間序列預測會取得較好的效果。 ARIMARBF 模型預測 ARIMARBF模型構建的輸入輸出樣本對與 ARIMABP完全相同。本文綜合以下三個原則確定： (1)通常，散布常數的選取取決于輸入向量之間的距離，要求是大于最小距離，小于最大距離； (2)網絡的預測誤差和逼近誤差； (3)散布常數等于 1作為參照 。在結構上與 RBF 網絡較為相似。另外它還可以處理不穩(wěn)定的數據。 ARIMAGRNN 模型預測 ARIMAGRNN 模型構建的輸入輸出樣本對也與 ARIMABP相同。 SPREAD 值的確定原則與 一樣。同時用表 9 的誤差評價表，即平均絕對誤差 (MAE)和均方 根誤差 (RMSE)來比較各種模型。 RBF Combinationf ? 最小 MAE為 0，最大 MAE為 。由此可見，雙重非線性組合模型不僅提高了預測精度而且還能滿足非線性的預測要求，這為解決因安全生產事故量隨機變動而造成的預測困難及精度問題提供了新的思路和方法，是安全生產中可行的預測模型。通過本文建立的模型及其實證研究結果，一定程度上說明就 我國目前所處的經濟發(fā)展階段而言，各類安全生產事故發(fā)生的最嚴重程度及經過努力可以實現(xiàn)的改進程度是可以做出統(tǒng)計分析