安全事故現(xiàn)狀與趨勢(shì)分析方法研究畢業(yè)論文-閱讀頁(yè)
2024-09-16 13:56本頁(yè)面
【正文】 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。 1988 年，Broomhead 和 Lowe 根據(jù)生物神經(jīng)元具有局部響應(yīng)這一特點(diǎn)，將 RBF 引入神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中，安徽審計(jì)職業(yè)學(xué)院畢業(yè)論文（設(shè)計(jì)） 10 產(chǎn)生了 RBF 神經(jīng)網(wǎng)絡(luò)。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。因而將它應(yīng)用于復(fù)雜的時(shí)間序列預(yù)測(cè)會(huì)取得較好的效果。 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 模型預(yù)測(cè) ARIMARBF模型構(gòu)建的輸入輸出樣本對(duì)與 ARIMABP完全相同。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。本文綜合以下三個(gè)原則確定： (1)通常，散布常數(shù)的選取取決于輸入向量之間的距離，要求是大于最小距離，小于最大距離； (2)網(wǎng)絡(luò)的預(yù)測(cè)誤差和逼近誤差； (3)散布常數(shù)等于 1作為參照 。 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。在結(jié)構(gòu)上與 RBF 網(wǎng)絡(luò)較為相似。 GRNN 也具有很強(qiáng)的非線性映射能力，適用于解決非線性問(wèn)題。另外它還可以處理不穩(wěn)定的數(shù)據(jù)。 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。 ARIMAGRNN 模型預(yù)測(cè) ARIMAGRNN 模型構(gòu)建的輸入輸出樣本對(duì)也與 ARIMABP相同。類似的， GRNN 的 SPREAD 值的確定原則與 一樣， ARIMAGRNN 模型結(jié)構(gòu)見(jiàn)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(jiàn)表 3－ 5。 SPREAD 值的確定原則與 一樣。上述基于 RBF 的 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(jiàn)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(jiàn)表 3－ 5。同時(shí)用表 9 的誤差評(píng)價(jià)表，即平均絕對(duì)誤差 (MAE)和均方 根誤差 (RMSE)來(lái)比較各種模型。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。 RBF Combinationf ? 最小 MAE為 0，最大 MAE為 。 RBF Combinationf ? 的最大 MAE分別僅為 ARIMA、 ARIMABP、 ARIMARBF、ARIMAGRNN最大 MAE的 %、 %、 %和 %。由此可見(jiàn)，雙重非線性組合模型不僅提高了預(yù)測(cè)精度而且還能滿足非線性的預(yù)測(cè)要求，這為解決因安全生產(chǎn)事故量隨機(jī)變動(dòng)而造成的預(yù)測(cè)困難及精度問(wèn)題提供了新的思路和方法，是安全生產(chǎn)中可行的預(yù)測(cè)模型。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 。通過(guò)本文建立的模型及其實(shí)證研究結(jié)果，一定程度上說(shuō)明就 我國(guó)目前所處的經(jīng)濟(jì)發(fā)展階段而言，各類安全生產(chǎn)事故發(fā)生的最嚴(yán)重程度及經(jīng)過(guò)努力可以實(shí)現(xiàn)的改進(jìn)程度是可以做出統(tǒng)計(jì)分析和預(yù)測(cè)的。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
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1