【正文】 輸飛行百萬(wàn)飛行小時(shí)重 大事故率。 直觀預(yù)測(cè)典型的方法有 德?tīng)柗品?， 另外還有 情景預(yù)測(cè)法 和 頭腦風(fēng)暴法 等。 (3)統(tǒng)計(jì)性 對(duì)各位專(zhuān)家的估計(jì)或預(yù)測(cè)數(shù)進(jìn)行統(tǒng)計(jì)，然后 采用平均數(shù)或中位數(shù)統(tǒng)計(jì)出量化結(jié)果 。如此反復(fù)往返征詢(xún)、歸納、修改，直到意見(jiàn)基本一致為止。 對(duì)于國(guó)家的重大安全決策問(wèn)題，可以匯同有關(guān)專(zhuān)家，采用德?tīng)柗品ㄟM(jìn)行調(diào)查 ，同時(shí) 可以與一些定量的方法相結(jié)合，進(jìn)一步提高決策的效果 。 一元線(xiàn)性回歸模型可表述為： 式中： b0、 b1是未知參數(shù)； u1為剩余殘差項(xiàng)或稱(chēng)隨機(jī)擾動(dòng) 項(xiàng)目。也需對(duì)模型及模型參數(shù)進(jìn)行 統(tǒng)計(jì)檢驗(yàn) 。 最小二乘法 是確定未知參數(shù)最常用的方法。 ③ 關(guān)于對(duì)數(shù)據(jù)資料的要求問(wèn)題 在利用回歸分析進(jìn)行預(yù)測(cè)時(shí)，還必須注意數(shù)據(jù)資料的準(zhǔn)確 、 可比性 和 獨(dú)立性 問(wèn)題。 應(yīng)用回歸分析可以尋找一個(gè)或幾個(gè)自變量和因變量之間的關(guān)系。 這類(lèi)方法預(yù)測(cè)精度偏低，通常要求研究系統(tǒng)相當(dāng)穩(wěn)定，歷史數(shù)據(jù)量要大，數(shù)據(jù)的分布趨勢(shì)較為明顯。 加法模型 為： 乘法模型 為： ? ?ttttt ICSTfY ,?ttttt ICSTY ????ttttt ICSTY ???? 時(shí)間序列分解法將時(shí)間序列進(jìn)行分解，對(duì)于趨勢(shì)性和周期性明顯的時(shí)間序列十分有效 ，由于微觀的個(gè)體企業(yè)安全生產(chǎn)的活動(dòng)數(shù)據(jù)一般具有大量性、周期性的特點(diǎn)，所以時(shí)間序列分解法可以嘗試地 應(yīng)用于微觀的安全生產(chǎn)決策 ；反之由于 宏觀的安全生產(chǎn)活動(dòng) 受我國(guó)的政策和監(jiān)管、市場(chǎng)需求變化、生產(chǎn)結(jié)構(gòu)、勞動(dòng)者素質(zhì)等諸多因素的影響，一般不具有加法模型或乘法模型的特點(diǎn)，所以一般不直接使用此模型 。它的主要 優(yōu)點(diǎn) 是可以揭示事物發(fā)展的未來(lái)，并定量地估計(jì)其功能特性。其定義為： 一階向后差分實(shí)際上是當(dāng)時(shí)間由 t推到 t1時(shí) Yt的增量。 當(dāng)數(shù)據(jù)的隨機(jī)因素較大時(shí)，宜選用大的 N,這樣有利于較大限度地平滑隨機(jī)性所帶來(lái)的嚴(yán)重偏差 ；反之，當(dāng)數(shù)據(jù)的隨機(jī)因素較小時(shí)，宜選用小的 N,這有利于跟蹤數(shù)據(jù)的變化，并且預(yù)測(cè)值滯后的期數(shù)也少。該方法是在對(duì)實(shí)際值進(jìn)行一次移動(dòng)平均的基礎(chǔ)上，再進(jìn)行一次移動(dòng)平均。平滑的主要目的，在于消除時(shí)序的極端值，以某些較平滑的中間值作為預(yù)測(cè)的根據(jù)。從加權(quán)的觀點(diǎn)來(lái)看，即認(rèn)為預(yù)測(cè)值 是前 N個(gè)數(shù)據(jù)以等權(quán)系數(shù) 1/N的加權(quán)平均值。 一次指數(shù)平滑值的計(jì)算公式為 ： ????????? ?? 221)1( )1()1( tttt YYYS ?????第 t周期的一次指數(shù)平滑值 第 tk周期的實(shí)際值 (k=0,1,2,… ) 平滑系數(shù) (0α 1) 觀察上式，實(shí)際值 Yt、 Yt Yt2的權(quán)系數(shù)分別為 α 、 α (1α )、 α (1α )2。 ② 在實(shí)際序列的 線(xiàn)性變動(dòng)部分 ，指數(shù)平滑值序列出現(xiàn)一定的 滯后偏差 。線(xiàn)性預(yù)測(cè)模型為 ： 模型中參數(shù) at、 bt可按下述關(guān)系得到： TbaY ttTt ????? ? ? ? ? ? ? ?2 112 1 ?????? ttt SSS ??? ? ? ? ? ? ? ?? ?21211,2 tttttt SSbSSa ????? ??⑸ 布朗三次指數(shù)平滑 如果實(shí)際數(shù)據(jù)序列 具有非線(xiàn)性增長(zhǎng)傾向 ，則一次、二次指數(shù)平滑法都 不適用 了。若選 α ＝ 1，平滑值就是 St，也就是實(shí)際觀察值 Yt，這是完全不相信過(guò)去信息。通常，有以下幾條準(zhǔn)則可供參考。 四、博克斯－詹金斯法 博克斯－詹金斯法，簡(jiǎn)稱(chēng) BJ法或 ARMA模型法 ,是以美國(guó)統(tǒng)計(jì)學(xué)家 Geogre Gwilym 命名的一種時(shí)間序列預(yù)測(cè)方法。 qtqtttptpttt eeeeyyyy ?????? ???????????? ??? ?? 22112211－詹金斯法的前提條件 運(yùn)用博克斯－詹金斯法的前提條件是： 作為預(yù)測(cè)對(duì)象的時(shí)間序列是一零均值的平穩(wěn)隨機(jī)序列。一般情況下， 非平穩(wěn)序列在經(jīng)過(guò)一階差分或二階差分后都可以平穩(wěn)化 。這個(gè)階段是博克斯－詹金斯法中最復(fù)雜繁瑣的一步。博克斯－詹金斯法由于不需要對(duì)時(shí)間序列的發(fā)展模式作先驗(yàn)的假設(shè)，同時(shí)方法的本身保證了可通過(guò)反復(fù)識(shí)別修改，直至獲得滿(mǎn)意的模型。但是提高模型的階數(shù) ,就要增加模型中的項(xiàng)數(shù) ,對(duì)變量前的系數(shù)在現(xiàn)實(shí)意義上往往解釋不通 ,或根本就無(wú)從分析 。 五、灰色預(yù)測(cè)法 灰色系統(tǒng) (Grey System)理論是我國(guó)著名學(xué)者鄧聚龍教授 20世紀(jì) 80年代初創(chuàng)立的一種兼?zhèn)滠浻部茖W(xué)特性的新理論。 因此， 事故統(tǒng)計(jì)預(yù)測(cè) 得到了廣泛應(yīng)用，并出臺(tái)了一系列的相關(guān)標(biāo)準(zhǔn)和規(guī)范。另外，還可按預(yù)測(cè)時(shí)間長(zhǎng)短分為 近期預(yù)測(cè) 、 短期預(yù)測(cè) 、 中期預(yù)測(cè) 和長(zhǎng)期預(yù)測(cè) ； 按預(yù)測(cè)是否重復(fù)分為 一次性預(yù)測(cè) 和 反復(fù)預(yù)測(cè) 。對(duì)審核、整理后的資料，要進(jìn)行初步分析，畫(huà)出統(tǒng)計(jì)圖形，以觀察統(tǒng)計(jì)數(shù)據(jù)的性質(zhì)和分布，作為選擇適當(dāng)預(yù)測(cè)模型的依據(jù)。即把預(yù)測(cè)的最終結(jié)果編制成文件和報(bào)告。 一般含義的決策解釋 是人們按照某個(gè) (些 )準(zhǔn)則在若干備選方案中的選擇，它只包括準(zhǔn)備和選擇兩個(gè)階段的活動(dòng)。 當(dāng)決策問(wèn)題有兩種以上自然狀態(tài)，哪種可能發(fā)生是不確定的 ，在此情況下的決策稱(chēng)為 非確定型決策 。在現(xiàn)實(shí)決策問(wèn)題中 ， 準(zhǔn)則常具有層次結(jié)構(gòu) ， 包含有目標(biāo)和屬性?xún)深?lèi) ， 形成多層次的準(zhǔn)則體系 ， 如 下 圖所示。 決策的環(huán)境條件可區(qū)分為確定性和非確定性?xún)纱箢?lèi)。最優(yōu)規(guī)則是使方案完全序列化的規(guī)則 ， 只有在單準(zhǔn)則決策問(wèn)題中 ， 方案集才是完全有序的 ， 因此 ，總能夠從中選中最優(yōu)方案。對(duì)安全而言 ， 從大安全觀出發(fā) ， 安全決策所涉及的主要問(wèn)題就是保證人們的生產(chǎn)安全 ， 生活安全和生存安全。 第五節(jié) 定性屬性的量化 一、量化等級(jí)與范圍 在某個(gè)屬性上對(duì)若干不同 事 物進(jìn)行辨別時(shí) ， 普通人能夠正確區(qū)別屬性等級(jí)在 ５ 級(jí)至 ９ 級(jí)之間。不便于比較綜合運(yùn)算。 ω 2 另外 ,當(dāng)某些準(zhǔn)則值在各被評(píng)價(jià)方案之間差異較大時(shí) ,其分辨能力較強(qiáng) ， 包含的信息量就多 ,它們?cè)诰C合評(píng)價(jià)、最終決策中的作用就大 ， 其信息權(quán)重系數(shù)也較大。 該方法用來(lái)篩選方案時(shí)仍要對(duì)每個(gè)屬性設(shè)定切除值，但和連接法不同的是，并不要求每個(gè)屬性值都超過(guò)這個(gè)值， 只要求方案中至少有一個(gè)屬性值超過(guò)切除值就被保留 。首先 ,決定這個(gè)研制項(xiàng)目是否需要評(píng)審。本例選用期望值最大 者 ， 即選用協(xié)作完成式。 可以用計(jì)算法和優(yōu)度圖法進(jìn)行技術(shù)、經(jīng)濟(jì)綜合評(píng)價(jià)。 前一類(lèi)情況主要涉及明顯事故的估計(jì)與價(jià)格 ， 后一類(lèi)情況則主要是對(duì)潛在危險(xiǎn)進(jìn)行測(cè)量和估計(jì)。因此 ， 權(quán)重集是因素集上的模糊子集。 如果已給出決策矩陣 Ｒ， 再考慮各因素的重要程度 ， 即給定隸屬函數(shù)或權(quán)重集 Ａ， 則模糊綜合決策模型為 ： Ｂ =Ａ ? ?????njjj a101?四、單因素模糊評(píng)判 單獨(dú)從一個(gè)因素進(jìn)行評(píng)判 ， 以確定評(píng)判對(duì)象對(duì)評(píng)判集元素的隸屬度 ， 稱(chēng)為單因素模糊評(píng)判。 二、建立權(quán)重集 一般說(shuō)來(lái) ， 因素集 Ｕ 中的各因素對(duì)安全系統(tǒng)的影響程度是不一樣的。 2)優(yōu)度圖法 略。 ④ 進(jìn)行技術(shù)指標(biāo)總評(píng)價(jià)。接下來(lái)是采取 “ 本廠(chǎng)獨(dú)立完成 ”形式還是由 “ 外廠(chǎng)協(xié)作完成 ” 形式來(lái)研制這一安全裝置，這也是主觀環(huán)節(jié)。決策樹(shù)分析方法又稱(chēng)概率分析決策方法。將留下的非劣方案與 Ｒ 中的第三個(gè)方案 X’3作比較 ,如果它劣于 X’3， 則剔去前者，如此進(jìn)行下去，經(jīng) n1步后便確定了非劣解集 Ｒ pa。 四、權(quán)重及其量化方法 權(quán)重是表征子準(zhǔn)則或因素對(duì)總準(zhǔn)則或總目標(biāo)影響或作用大小的量化值。 三、屬性函數(shù) F(X)規(guī)范化 (MADMP) 在多屬性決策問(wèn)題的各屬性函數(shù) fj(x)(j=1,2,… ,m)之間，普遍存在下述 3個(gè)方面的問(wèn)題。 1)人身安全方面 應(yīng)特別注意有無(wú)生命危險(xiǎn) ， 有無(wú)造成工傷的危險(xiǎn) ， 有無(wú)職業(yè)病和后遺癥的危險(xiǎn)。決策者的滿(mǎn)意性一般通過(guò)所謂 “ 傾向性結(jié)構(gòu) (信息 )”來(lái)表述 ,它是多準(zhǔn)則決策不可缺少的重要組成部分。 決策就是要從眾多的備選方案中選擇一個(gè)用以付諸實(shí)施的方案 ,作為最終的抉擇。下層子準(zhǔn)則集合一定要保證上層準(zhǔn)則的實(shí)現(xiàn)，子準(zhǔn)則之間可能一致，亦可能相互矛盾，但要與總準(zhǔn)則相協(xié)調(diào)，并盡量減少冗余。主要包括 5個(gè)階段 ,如 下 圖所示。 一、安全決策概述 決策的分類(lèi)方法很多。下表概括了各種預(yù)測(cè)方法的特點(diǎn)，以供應(yīng)用中選擇與判斷。 4)分析預(yù)測(cè)誤差，改進(jìn)預(yù)測(cè)模型 。 2)搜集和審核資料 。 由于我國(guó)對(duì)安全生產(chǎn)工作的不斷關(guān)注，事故統(tǒng)計(jì)分析工作正在得到重視和加強(qiáng)。 灰色預(yù)測(cè) 是通過(guò)鑒別系統(tǒng)因素之間發(fā)展趨勢(shì)的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對(duì)原始數(shù)據(jù)進(jìn)行生成處理來(lái)尋找系統(tǒng)變動(dòng)的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測(cè)事物未來(lái)的發(fā)展趨勢(shì)狀況 。模型識(shí)別是整個(gè)建模階段最為重要的一步，而對(duì)建立的預(yù)測(cè)模型的實(shí)際意義的檢驗(yàn)則是預(yù)測(cè)應(yīng)用階段中極為重要的一步。實(shí)際經(jīng)驗(yàn)己經(jīng)證明， 博克斯－詹金斯法是一種精確度相當(dāng)高的短期預(yù)測(cè)方法 。 一般的時(shí)間序列預(yù)測(cè)法，需先假設(shè)數(shù)據(jù)資料存在著什么樣的模式，然后根據(jù)這個(gè)模式建模，實(shí)現(xiàn)預(yù)測(cè)，因而預(yù)測(cè)結(jié)果受到這個(gè)先驗(yàn)假設(shè)的局限。識(shí)別模型是否恰當(dāng) 給出的比較標(biāo)準(zhǔn)是 ：對(duì)一般 ARMA模型體系中的一些特征，分析其理論特征，把這種特定模型的理論特征作為鑒別實(shí)際模型的標(biāo)準(zhǔn)，觀測(cè)實(shí)際資料與理論特征的接近程度。對(duì)此的解決方法是在應(yīng)用 ARMA模型前 ,對(duì)時(shí)間序列先進(jìn)行 零均值化 和 差分平穩(wěn)化 處理。 滑動(dòng)平均模型的公式為： tptpttt eyyyy ???????? ??? ?2211qtqtttt eeeey ??? ????? ??? ?2211式中： Yt是預(yù)測(cè)所用的時(shí)間序列在 t期的觀測(cè)值； q是滑 動(dòng)平均模型的階數(shù) 。 根據(jù)實(shí)際預(yù)測(cè)經(jīng)驗(yàn) ,適用指數(shù)平滑法進(jìn)行預(yù)測(cè)的時(shí)序 ,通?？稍?， ， ， 想的值。其選擇原則是 使預(yù)測(cè)值與實(shí)際觀測(cè)值之間的均方誤差 (MSE)和平均絕對(duì)百分誤差 (MAPE)最小 。布朗三次指數(shù)平滑也被稱(chēng)作布朗單一參數(shù)二次多項(xiàng)式指數(shù)平滑。 如果實(shí)際的數(shù)據(jù)序列 具有較明顯的線(xiàn)性增長(zhǎng)傾向，則不宜用一次指數(shù)平滑法， 因?yàn)闇笃顚?huì)使預(yù)測(cè)值偏低 。 上式略加變換，得 ： 式中： —— 第 t1周期的指數(shù)平滑值。若以第 Ⅰ周期的權(quán) bi來(lái)刻劃這種關(guān)系，即指數(shù)平滑值可以看成是時(shí)間序列數(shù)據(jù)的非等權(quán) bi的加權(quán)平均值。記為： 若事物的發(fā)展過(guò)程具有某種確定的形式，隨時(shí)間的變化規(guī)律可以用時(shí)間 t的某種確定函數(shù)關(guān)系加以描述 ,這類(lèi)時(shí)序稱(chēng)為 確定型時(shí)序 ,以時(shí)間 t為自變量建立的函數(shù)模型為 確定型時(shí)序模型 。這樣，線(xiàn)性二次移動(dòng)平均法預(yù)測(cè)的通式為： 式中： m為預(yù)測(cè)超前期數(shù)。 ? ? NxxxxF Nttttt )1(211 ????? ????? ? 移動(dòng)平均法的 兩個(gè)主要限制 ： ①計(jì)算移動(dòng)平均必須具有 N個(gè)過(guò)去觀察值 ,當(dāng)需要預(yù)測(cè)大量數(shù)值時(shí)，就必須存貯大量數(shù)據(jù)。在移動(dòng)平均值的計(jì)算中包括過(guò)去觀察值的實(shí)際個(gè)數(shù)，必須從一開(kāi)始就確定。 龔珀茲曲線(xiàn)預(yù)測(cè)模型 ： ⑶趨勢(shì)模型的選擇 趨勢(shì)外推法 主要利用 圖形識(shí)別 和 差分法 計(jì)算 來(lái)進(jìn)行模型的基本選擇。 ⑴ 趨勢(shì)外推法的假設(shè)條件 ①假設(shè) 事物發(fā)展過(guò)程 沒(méi)有跳躍式變化 ，一般屬于漸進(jìn)變化。 ②季節(jié)變動(dòng)因素 季節(jié)變動(dòng)因素 是社會(huì)經(jīng)濟(jì)現(xiàn)象受季節(jié)變動(dòng)影響所形成的一種長(zhǎng)度和幅度固定的周期波動(dòng)。 只有通過(guò)大量的事故分析，詳細(xì)搜集事故相關(guān)因素的數(shù)據(jù)，然后利用這些數(shù)據(jù)對(duì)事故情況進(jìn)行回歸分析，才能預(yù)測(cè)事故發(fā)展規(guī)律 。如發(fā)現(xiàn)某一年度的數(shù)字畸高畸低，可利用數(shù)理統(tǒng)計(jì)中的控制理論 ,按照 3δ 原則對(duì)該數(shù)字進(jìn)行檢驗(yàn)，如與總體平均數(shù)的離差超過(guò) 3δ ，那么該數(shù)值就不能用來(lái)分析和推斷 。 ②回歸預(yù)測(cè)不能任意外推 回歸分析的應(yīng)用，僅僅是限于原來(lái)數(shù)據(jù)所包括的范圍內(nèi)