【正文】 通過(guò)本文建立的模型及其實(shí)證研究結(jié)果，一定程度上說(shuō)明就 我國(guó)目前所處的經(jīng)濟(jì)發(fā)展階段而言，各類安全生產(chǎn)事故發(fā)生的最嚴(yán)重程度及經(jīng)過(guò)努力可以實(shí)現(xiàn)的改進(jìn)程度是可以做出統(tǒng)計(jì)分析和預(yù)測(cè)的。 RBF Combinationf ? 最小 MAE為 0，最大 MAE為 。 SPREAD 值的確定原則與 一樣。另外它還可以處理不穩(wěn)定的數(shù)據(jù)。本文綜合以下三個(gè)原則確定： (1)通常，散布常數(shù)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(wǎng)絡(luò)的預(yù)測(cè)誤差和逼近誤差； (3)散布常數(shù)等于 1作為參照 。因而將它應(yīng)用于復(fù)雜的時(shí)間序列預(yù)測(cè)會(huì)取得較好的效果。確定神經(jīng)網(wǎng)絡(luò)為 3 層，輸入層、隱層及輸出層，隱層采用 S型函數(shù)作為傳遞函數(shù)，輸出層取線性函數(shù)。 圖 3－ 1 安全生產(chǎn)事故總量時(shí)間序列擬合預(yù)測(cè)圖 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 9 第二階段預(yù)測(cè) BP 模型 [14] BP 神經(jīng)網(wǎng)絡(luò)由 Rumelhart 等人于 1986 年建立，是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，由輸入層、隱層和輸出層構(gòu)成。 11t? 代表第 t 期總的事故量。 第一階段預(yù)測(cè) ARIMA 模型 [13] ARIMA 模型又叫 Box– Jenkins 法，是以美國(guó)統(tǒng)計(jì)學(xué)家 Gee 和英國(guó)統(tǒng)計(jì)學(xué)家 Gwilym 命名的時(shí)間序列分析方法。所以，第一階段對(duì)各類安全生產(chǎn)事故量采用 ARIMA 建模。用 jkXi 表示第 i 類生產(chǎn)事故 200j 年第 k 月的事故 起數(shù) ,則第 i 類事故在第 k 月的季節(jié)指數(shù) Tjkj1k TCjhj 1 h 1C XiSXi???????。由于安全生產(chǎn)管理決策離不開預(yù)測(cè)，而預(yù)測(cè)的精度又決定了預(yù)測(cè)結(jié)果的可用性和有效性。 上述已有研究主要圍繞特定行業(yè)領(lǐng)域展開，而且主要集中在煤礦、建筑工程、交通安全生產(chǎn)事故。本文基于我國(guó)安全生產(chǎn)事故快報(bào)數(shù)據(jù)，對(duì)近年安全生產(chǎn)現(xiàn)狀做出季節(jié)性等分析，并為短期安全生產(chǎn)形勢(shì)變化的預(yù)測(cè)與判斷不僅提出了三個(gè)可行的 ARIMABP、 ARIMARBF以及 ARIMAGRNN非線性組合模型而且進(jìn)一步基于 RBF，對(duì)前述三個(gè)模型再次進(jìn)行非線性組合，給出了一種新的雙重非線性組合趨勢(shì)分析方法。 國(guó)內(nèi)外關(guān)于安全生 產(chǎn)事故研究的報(bào)告 [1]和文獻(xiàn)很多，主要集中在以下方面 :(1)某一類安全事故的預(yù)測(cè)預(yù)警，如李書全和竇艷杰 (2020) [2]針對(duì)建筑安全事故，提出了 RS— SVM預(yù)測(cè)模型；鐘銘 (2020) [3]采用模糊數(shù)據(jù)融合算法，對(duì)煤礦瓦斯進(jìn)行預(yù)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(guān)經(jīng)濟(jì)指標(biāo)之間的關(guān)安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 2 系。因此，相應(yīng)的分析結(jié)果有助于國(guó)家安全生產(chǎn)事故預(yù)防、控制和應(yīng)對(duì)的監(jiān)管工作?；诒?2－ 1，把 20202020安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 3 年各類安全生產(chǎn)事故的發(fā)生變化趨勢(shì)制成如下的圖 2－ 1。第 6 類至第 10 類事故呈現(xiàn)與前面安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 5 5類不同的特點(diǎn)，第 6 類需要加強(qiáng)監(jiān)管的月份是每年的 2 月、 5月和 10 月；第 7 類需要加強(qiáng)監(jiān)管的月份是每年的 1 月、 2 月和 8 月；第 8 類需要加強(qiáng)監(jiān)管的月份是每年的 1 月、 4月和 7月；第 9類需要加強(qiáng)監(jiān)管的月份是每年的 4月、 5 月和 10月；第 10類需要加強(qiáng)監(jiān)管的月份是每年的 3月、 8月和 11月。所以，第二階段在第一階段結(jié)論的基礎(chǔ)上應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建了三種可行的安全生產(chǎn)事故量非線性組合預(yù)測(cè)模型。選擇20202020 年 9月之間的數(shù)據(jù)擬合 ARIMA 模型。 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(biāo)準(zhǔn)正態(tài)分布 12??的分位數(shù)，本文 ? 取 5%。 BP模型表達(dá)式如下： ()O f WP B??,其中 O 為節(jié)點(diǎn)輸出； W 為節(jié)點(diǎn)連接權(quán)值； P 為節(jié)點(diǎn)輸入； B 為神經(jīng)元閾值； f 為輸入 /輸出的傳遞函數(shù)。它屬于前饋型神經(jīng)網(wǎng)絡(luò)，是一種三層的前向網(wǎng)絡(luò)。 隱層的徑向基函數(shù)設(shè)計(jì)為高斯函數(shù)，輸入為輸入向量與權(quán)值向量的距離乘以閾值，輸出即為神經(jīng)元的輸出：()O radbas W P B??。它由輸入層、模式層、求和層和輸出層四層構(gòu)成。通過(guò) GRNN 模型不斷學(xué)習(xí)歸納出輸入和輸出變量之間的關(guān)系。 表 3－ 5 各模型預(yù)測(cè)結(jié)果與實(shí)際值對(duì)比表 事故類型 月份 ARIMA ARIMABP ARIMARBF ARIMAGRNN 雙重非線性組合 實(shí)際值 X1 Oct09 1 Nov09 1 X2 Oct09 1 Nov09 3 X3 Oct09 68 Nov09 48 X4 Oct09 19 Nov09 21 X5 Oct09 17 Nov09 7 X6 Oct09 6 Nov09 6 X7 Oct09 2 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 13 表 3－ 6 2020年 1011月 ARIMA預(yù)測(cè)值置信水平為 95%的置信區(qū)間 Nov09 2 X8 Oct09 3 Nov09 3 X9 Oct09 1 Nov09 3 X10 Oct09 8 Nov09 6 X11 Oct09 132 Nov09 116 置信限 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 Oct09 (0, ) (0, ) (, ) (, ) (, ) (0, ) (0, ) (0, ) (0, ) (0, ) (, ) Nov09 (0, ) (0, ) (, ) (, ) (, ) (, ) (0, ) (0, ) (0, ) (0, ) (, ) 事故類型 評(píng)價(jià)標(biāo)準(zhǔn) ARIMA ARIMABP ARIMARBF ARIMAGRNN 雙重非線性組合 X1 MAE RMSE X2 MAE RMSE X3 MAE RMSE X4 MAE RMSE X5 MAE RMSE X6 MAE RMSE X7 MAE RMSE X8 MAE RMSE X9 MAE RMSE X10 MAE RMSE X11 MAE RMSE 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 14 表 3－ 7 各模型誤差評(píng)價(jià)表 從表 3－ 5和表 3－ 7看， ARIMABP 、 ARIMARBF 、 ARIMAGRNN和 RBF Combinationf ? 均優(yōu)于ARIMA。 4 結(jié)語(yǔ) 本文按生產(chǎn)事故造成傷亡和損失規(guī)模的原則重 新對(duì) 安全生產(chǎn)事故進(jìn)行分類，并對(duì)各類安全生產(chǎn)事故進(jìn)行了現(xiàn)狀分析，借助季節(jié)指數(shù)分析法對(duì)各類安全生產(chǎn)事故指出了應(yīng)重點(diǎn)預(yù)防的時(shí)段建議。 參考文獻(xiàn) : [1] 王顯政 . 安全生產(chǎn)與經(jīng)濟(jì)社會(huì)發(fā)展報(bào)告 [R].北京：煤炭工業(yè)出版社 ,2020. [2] 李書全 ,竇艷杰 . 基于 RS— SVM模型的建筑安全事故預(yù)測(cè)模型 [J].統(tǒng)計(jì)與決策 , 2020, (19)： 5658. [3] 鐘銘 .基于模糊數(shù)據(jù)融合的煤礦瓦斯預(yù)警研究 [D].西安科技大學(xué)博士論文 ,2020. [4] 呂海燕 .生產(chǎn)安全事故統(tǒng)計(jì)分析及預(yù)測(cè)理論方法研究 [D].北京林業(yè)大學(xué)博士論文