安全事故現(xiàn)狀與趨勢(shì)分析方法研究畢業(yè)論文-文庫(kù)吧在線文庫(kù)
【正文】 圖 22 20202020年各類安全事故月平均事故量序列季節(jié)指數(shù)圖 從季節(jié)指數(shù)上看，第 1 類至第 5類事故每年的 8 月份是事故高發(fā)期，需要加強(qiáng)監(jiān)管。 年度狀況 為了分析全國(guó)安全生產(chǎn)事故近年發(fā)展趨勢(shì)及其變化，對(duì) 20202020 年間的安全事故進(jìn)行了整理和 10個(gè)類別的分類統(tǒng)計(jì)。 首先把安全生產(chǎn)事故按其造成的死亡人數(shù)進(jìn)行分類，具體地將安全生產(chǎn)事故分成 10類：死亡 i 個(gè)人的事故為第 i 類 (i =1,2,? ,9)，死亡 10 人及以上的事故為第 10 類。對(duì)此，我國(guó)堅(jiān)持“安全第一，預(yù)防為主，綜合治理”的方針。 關(guān)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(guó)都必須面對(duì)和應(yīng)對(duì)的重大問(wèn)題?；诖耍疚闹攸c(diǎn)針對(duì)安全生產(chǎn)事故的起數(shù)及其造成的死亡人數(shù)開(kāi)展方法建模和實(shí)證研究。 2 安全生產(chǎn)事故現(xiàn)狀分析 根據(jù)國(guó)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(bào)數(shù)據(jù)， 對(duì)20202020 年的安全生產(chǎn)狀況進(jìn)行了分類型、分時(shí)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(diǎn)關(guān)注的月份。各類事故的季節(jié)指數(shù)圖匯總在下面的圖 2－ 2。 Bates[10]和 Clemen [11]都曾提出，可以將各種單一的預(yù)測(cè)結(jié)果進(jìn)行組合得到一種組合預(yù)測(cè)結(jié)果，以達(dá)到改善預(yù)測(cè)效果的目的。當(dāng)在 d 階差分后又作了步長(zhǎng)為 L 的周期差分，則此時(shí)模型結(jié)構(gòu)為： ()()dL t tBB ??? ? ? ? ?。 (1A)(1+ 4B + 6B + 7B 9B ) 1t?? = t? ， t? ～ WN (0,)； (2A) (1+ + 2B + 5B + 6B + 8B ) 2t?? = t? ， 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(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 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(diǎn)預(yù)測(cè)值，見(jiàn)表 3－5。輸出層的函數(shù)常用 purelin 純線性型函數(shù)。依據(jù) ，確定了安全生產(chǎn)事故量隨時(shí)間變化的規(guī)律，因此構(gòu)建的輸入輸出樣本對(duì)以及網(wǎng)絡(luò)結(jié)構(gòu)各層神經(jīng)元個(gè)數(shù)見(jiàn)下面的表 3－ 1： 表 3－ 1 ARIMABP模型結(jié)構(gòu)表 事故類型 網(wǎng)絡(luò)輸入 期望輸出 網(wǎng)絡(luò)結(jié)構(gòu) 1? 11 10 11 , 1 , 1t t t? ? ?? ? ? 1t? 11101 2? 10 9 12 , 2 , 2t t t? ? ?? ? ? 2t? 10101 3? 3 2 13 , 3 , 3t t t? ? ?? ? ? 3t? 361 4? 4 3 14 , 4 , 4t t t? ? ?? ? ? 4t? 451 5? 5 4 15 , 5 , 5t t t? ? ?? ? ? 5t? 551 6? 11 10 16 , 6 , 6t t t? ? ?? ? ? 6t? 11101 7? 14 12 17 , 7 , 7t t t? ? ?? ? ? 7t? 14121 8? 6 5 18 , 8 , 8t t t? ? ?? ? ? 8t? 661 9? 9 8 19 , 9 , 9t t t? ? ?? ? ? 9t? 9101 10? 5 4 110 , 10 , 10t t t? ? ?? ? ? 10t? 551 11? 11 10 111 , 11 , 11t t t? ? ?? ? ? 11t? 11101 應(yīng)用 ARIMABP 模型關(guān)于 2020 年 10月和 11 月事故起數(shù)的預(yù)測(cè)結(jié)果見(jiàn)表 3－ 5。 RBF 模型表達(dá)式如下：徑向基層輸入為 1WP? ，徑向基層輸出為 1 ( 1 1 )O ra d b a s W P B??，線性輸出層輸出為21( 2 * 2)O pure lin W O B??。 ARIMARBF模型結(jié)構(gòu)見(jiàn)下面的表 3－ 2： 表 3－ 2 ARIMARBF模型結(jié)構(gòu)表 應(yīng)用 ARIMARBF 模型關(guān)于 2020 年 10月和 11 月事故起數(shù)的預(yù)測(cè)結(jié)果見(jiàn)表 3－ 5。 GRNN 模型表達(dá)式如下： ( , )[( , )yf x y dyE y xf x y dy????????? ? ? ?? ，其中 [Ey x?? 是在輸入向量為 x 的條件下，輸出向量 y 的期望值。上述基于 RBF 的
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1