【正文】 ARIMABP、 ARIMARBF以及 ARIMAGRNN的雙重非線性組合 模型記作： ,()? ? ? ?R B F Co m b in a ti o n A R I M A B P A R I M A R B F A R I M A G R NNf 雙重非線性組合模型預(yù)測(cè) 由 得到的雙重非線性組合模型結(jié)構(gòu)見下面的表 3－ 4： 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 12 表 3－ 4 RBF Combinationf ? 模型結(jié)構(gòu)表 事故類型 網(wǎng)絡(luò)輸入 期望輸出 SPREAD 1? ( ) ( ) ( )1 , 1 , 1? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 1t? 2? ( ) ( ) ( )2 , 2 , 2? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 2t? 3? ( ) ( ) ( )3 , 3 , 3? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 3t? 4? ( ) ( ) ( )4 , 4 , 4? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 4t? 5? ( ) ( ) ( )5 , 5 , 5? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 5t? 6? ( ) ( ) ( )6 , 6 , 6? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 6t? 7? ( ) ( ) ( )7 , 7 , 7? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 7t? 8? ( ) ( ) ( )8 , 8 , 8? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 8t? 9? ( ) ( ) ( )9 , 9 , 9? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 9t? 10? ( ) ( ) ( )1 0 , 1 0 , 1 0? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 10t? 11? ( ) ( ) ( )1 1 , 1 1 , 1 1? ? ?? ? ?t A R IM A B P t A R IM A R B F t A R IM A G R N N 11t? 應(yīng)用雙重非線性組合模型關(guān)于 2020 年 10月和 11 月事故起數(shù)的預(yù)測(cè)結(jié)果見表 3－ 5。 RBF Combinationf ? 的最大 MAE分別僅為 ARIMA、 ARIMABP、 ARIMARBF、ARIMAGRNN最大 MAE的 %、 %、 %和 %。各類事故在一天 24小時(shí)內(nèi)的不同時(shí)間段發(fā)生的頻度同樣值得進(jìn)一步關(guān)注，所有這些對(duì)控制和改進(jìn)安全生產(chǎn)狀況都具有重要意義。最后為了 精確地預(yù)測(cè)安全生產(chǎn)事故的發(fā)展趨勢(shì)， 對(duì)各類安全生產(chǎn)事故量以及安全生產(chǎn)事故總量先建立了三個(gè)可行的非線性組合預(yù)測(cè)模型，即 ARIMABP、 ARIMARBF以及 ARIMAGRNN，然后 在此基礎(chǔ)上構(gòu)建了一種新的雙重非線性組合趨勢(shì)分析方法 。三個(gè)單一的非線性組合預(yù)測(cè)模型中，最優(yōu)的是 ARIMARBF，其次是 ARIMABP，最后是 ARIMAGRNN。類似的， GRNN 的 SPREAD 值的確定原則與 一樣， ARIMAGRNN 模型結(jié)構(gòu)見下面的表 3－ 3： 表 3－ 3 ARIMAGRNN模型結(jié)構(gòu)表 事 故類型 網(wǎng)絡(luò)輸入 期望輸出 SPREAD 1? 11 10 11 , 1 , 1t t t? ? ?? ? ? 1t? 2? 10 9 12 , 2 , 2t t t? ? ?? ? ? 2t? 3? 3 2 13 , 3 , 3t t t? ? ?? ? ? 3t? 4? 4 3 14 , 4 , 4t t t? ? ?? ? ? 4t? 5? 5 4 15 , 5 , 5t t t? ? ?? ? ? 5t? 6? 11 10 16 , 6 , 6t t t? ? ?? ? ? 6t? 7? 14 12 17 , 7 , 7t t t? ? ?? ? ? 7t? 8? 6 5 18 , 8 , 8t t t? ? ?? ? ? 8t? 9? 9 8 19 , 9 , 9t t t? ? ?? ? ? 9t? 10? 5 4 110 , 10 , 10t t t? ? ?? ? ? 10t? 11? 11 10 111 , 11 , 11t t t? ? ?? ? ? 11t? 應(yīng)用 ARIMAGRNN 模型關(guān)于 2020 年 10 月和 11月事故起數(shù)的預(yù)測(cè)結(jié)果見表 3－ 5。 GRNN 也具有很強(qiáng)的非線性映射能力，適用于解決非線性問題。其中 P 為輸入向量； W 為 徑向基層的 節(jié)點(diǎn)連接權(quán)值； B 為 徑向基層的 神經(jīng)元閾值。第一層為輸入層；第二層為隱層（徑向基層）；第三層為線性輸出層。 ARIMABP 模型預(yù)測(cè) 依據(jù) 的 11 個(gè)模型， 對(duì) 10 類事故以及事故總量進(jìn)行第二階段建模。（注： ()tel為 tl? 時(shí)期的預(yù)測(cè)誤差） 安全生產(chǎn)事故總量 ARIMA 擬合預(yù)測(cè)圖 以下是安全生產(chǎn)事故總量 ARIMA 擬合圖。 記 i? （ i =1,2,? ,9）代表死亡 i 個(gè)人的事故總量， 10? 代表死亡 10 人及以上的事故總量， 11? 代表總的事故量。 最后，第三階段在第二階段基礎(chǔ)上給出了雙重非線性組合預(yù)測(cè)方法。 區(qū)域安全生產(chǎn)事故狀況 為了掌握不同地區(qū)安全生產(chǎn)事故的情況，通過數(shù)據(jù)分析整理，給出了 20202020 年各類安全生產(chǎn)事故在全國各地區(qū)的分布情況，見表 2－ 2: 表 22 我國 31個(gè)省市區(qū) 20202020年各季度安全生產(chǎn)事故平均總量統(tǒng)計(jì)表 省市區(qū) 第一季度 第二季度 第三季度 第四季度 01北京市 02天津市 03上海市 04重慶市 05四川省 06黑龍江省 07吉林省 08遼寧省 09河北省 10山西省 11山東省 12陜西省 13河南省 14湖北省 15湖南省 16江西省 17安 徽省 18江蘇省 19浙江省 20福建省 21廣東省 22海南省 23貴州省 24云南省 25甘肅省 26青海省 27廣西壯族自治區(qū) 28內(nèi)蒙古自治區(qū) 29寧夏回族自治區(qū) 30新疆維吾爾自治區(qū) 31西藏自治區(qū) 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 6 3 各類安全生產(chǎn)事故總量預(yù)測(cè) 第 2 節(jié)從不同角度分析和考察了 20202020 年的安全生產(chǎn)事故現(xiàn)狀，本節(jié)基于時(shí)間序列模型及神經(jīng)網(wǎng)絡(luò)，通過三階段方式給出了雙重非線性組合預(yù)測(cè)方法。 表 21 20202020年各類安全生產(chǎn)事故總量統(tǒng)計(jì) 圖 21 20202020年各類安全生產(chǎn)事故每年事故量趨勢(shì)變化圖 月度狀況 采用季節(jié)指 數(shù)對(duì) 20202020 年的安全生產(chǎn)事故進(jìn)行月度趨勢(shì)分析。 顯然，對(duì)不同類型的事故所采用的處置和應(yīng)對(duì)方式以及相應(yīng)的資源配置也不同。如呂海燕 (2020)[4]對(duì)我國工礦企業(yè)、消防火災(zāi)、交通等進(jìn)行總量統(tǒng)計(jì)分析，提出了相應(yīng)的事故統(tǒng)計(jì)分析指標(biāo)體系框架； Kopits 和 Cropper(2020)[5]專門對(duì)交通死亡事故與經(jīng)濟(jì) 增長(zhǎng)的關(guān)系作了深入研究；任榮森 (2020) [6]等人建立了油庫的多層遞階解釋結(jié)構(gòu)模型 (ISM)，將油庫安全事故成因分為根本原因、直接原因和間接原因三個(gè)層次； (3)對(duì)安全生產(chǎn)管理的研究，主要包括：對(duì)事