【正文】 參考文獻 : [1] 王顯政 . 安全生產與經濟社會發(fā)展報告 [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測模型 [J].統計與決策 , 2020, (19)： 5658. [3] 鐘銘 .基于模糊數據融合的煤礦瓦斯預警研究 [D].西安科技大學博士論文 ,2020. [4] 呂海燕 .生產安全事故統計分析及預測理論方法研究 [D].北京林業(yè)大學博士論文 ,2020. [5] Kopits,E., Cropper,M..Traffic Fatalities and Economic Growth[J].Accident Analysis and Prevention,2020,37(1) ： 169178. [6] 任榮森 ,雍歧東 ,張寧 . 基于 ISM 的油庫 安全事故成因分析 [J].后勤工程學院學報 ,2020,25(5)：總體 MAE 總體 RMSE 安徽審計職業(yè)學院畢業(yè)論文（設計） 15 5861. [7] 牛躍林 ,王花平 ,謝金亮 .基于模糊數學的城市生產安全事故應急管理能力綜合評價 [J].江西理工大學學報 ,2020,29(1)： 5356. [8] Karen,P.. Blood on the coal: The effect of anizational size and differentiation on coal mine accidents[J].Journal of safety Research,2020,40(3) ： 8595. [9] Shi,.. Have government regulations improved workplace safety? A test of the asynchronous regulatory effects in China’ s coal industry ,19952020[J].Journal of Safety Research,2020,40(3)： 207213. [10] Bates,.,Granger,.,Terasvirta,T.. The bination of Forecasts[J].Operations Research Quarterly,1969,20(4):451468. [11] Clemen,..Combination forecasts:a review and annotated bibliography[J].International Journal of Forecasting,1989,(5)： 559584. [12] Deutch,M.,Granger,.,Terasvirta,T.. The bination of forecasts using chan ging weights[J].International Journal of Forecasting,1994,10： 4757. [13] Gee,., Gwilym,., Gregory,.. Time Series Analysis, Forecasting, Control,3rd ed[M].Englewood Cliffs, NJ: Prentice Hall,1994. [14] Rumelhart,., Hinton,., Williams,.. Learning representations of backpropagation errors[J].Nature,1986(323): 533536. [15] Levenberg,K.. A method for the solution of certain problem in least squares[J]. Quart. Appl. Math.,1994,2 ： 164168. [16] Marquardt,D.. An algorithm for leastsquares estimation of nonlinear parame ters[J].SIAM ,1963,11: 431 441. [17] Powell,M .J. D.. Radical basis functions for multivariable interpolation: A rev iew[C].IMA conference on Algorithms for the Approximation of Functions and Data, RMCS,Shrivenham,England： 1985： 143167. [18] Park,J.. Universal approximations using RBF works[J].Neural putation, 1991,3:246257. [19] Specht,.. A general regression neural work[J].IEEE Transactions on Neural Networks,1991,2(6)： 568576. [20] Specht,.. Generalization accuracy ofprobabilistic neural works pared with backpropagation works[C].Seattle: International Joint Conference on Neural Networks IJCNN91,1991,1： 887892. 安徽審計職業(yè)學院畢業(yè)論文（設計） 16 致 謝 轉眼就要畢業(yè)了，???? 姓名 日期 。 顯然，各類事故發(fā)生的頻度也有很大差別，進一步弄清其原因是今后值得特別關注的問題。 為提高預測的準確性提供了新的方法和思路，為 管理和決策部門制定安全生產戰(zhàn)略規(guī)劃提供了理論依據 。 4 結語 本文按生產事故造成傷亡和損失規(guī)模的原則重 新對 安全生產事故進行分類，并對各類安全生產事故進行了現狀分析，借助季節(jié)指數分析法對各類安全生產事故指出了應重點預防的時段建議。 RBF Combinationf ? 的最大 RMSE分別僅為 ARIMA、 ARIMABP 、 ARIMARBF、 ARIMAGRNN最大 RMSE的 %、%、 %和 %。最小 RMSE為 0，最大 RMSE為 。而本文最后給出的 RBF Combinationf ? 不僅優(yōu)于單一的 ARIMA預測模型而且也優(yōu)于三個單一的非線性組合預測模型。 表 3－ 5 各模型預測結果與實際值對比表 事故類型 月份 ARIMA ARIMABP ARIMARBF ARIMAGRNN 雙重非線性組合 實際值 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 安徽審計職業(yè)學院畢業(yè)論文（設計） 13 表 3－ 6 2020年 1011月 ARIMA預測值置信水平為 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, ) (, )