【正文】 對(duì)方式以及相應(yīng)的資源配置也不同。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。 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。整體年度狀況 見表 2－ 1。 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。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???????。各類事故的季節(jié)指數(shù)圖匯總在下面的圖 2－ 2。特別地，第 1 類和第 5 類每年的 7月份也需要高度關(guān)注。 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(guó)各地區(qū)的分布情況，見表 2－ 2: 表 22 我國(guó) 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。所以，第一階段對(duì)各類安全生產(chǎn)事故量采用 ARIMA 建模。 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。又由于非線性函數(shù)關(guān)系確定非常困難，而用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)這種非線性函數(shù)映射相對(duì)容易并且神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)能力、非線性逼近能力強(qiáng) 的特點(diǎn)。 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。 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。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 ??? ? ? ? ?。 安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 7 ARIMA 模型預(yù)測(cè) ARIMA 建模過程包括數(shù)據(jù)檢驗(yàn)、模型識(shí)別、參數(shù)估計(jì)、模型適應(yīng)性診斷等。 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。 11t? 代表第 t 期總的事故量。 (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，見表 3－5。 其中置信限計(jì)算公式如下：由 ， ( ) ( )d ttBB?? ? ? ? ?， 記 * * * 212( ) ( ) 1dB B B B??? ? ? ? ? ? ? ?，又令 1 1 2 2t t t t? ? ???? ? ? ? ? ? ?，根據(jù) B 的同冪次系數(shù)相等的原理，可以確定 12,?? ，即*1 1 1**2 1 1 2 2**11j j p d j P d j??? ? ?? ? ?? ? ? ?? ? ? ?? ? ? ? ? ????? ? ? ? ? ? ?? 其中， 0, 01, 1j jj ????? ??， 0,j jq? ??。（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。 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。輸出層的函數(shù)常用 purelin 純線性型函數(shù)。本文采用 BP 建立了第一種非線性組合預(yù)測(cè)方法，記作： ARIMABP。 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。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)。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