安全系统预测.pptVIP

概述 预测由四部分组成，即预测信息、预测分析、预测技术和预测结果。 1．按预测对象范围的划分法 2．按预测时间长短的划分法 (1)长(远)期预测 y5 (2)中期预测 5y1 (3)短期预测 y1 预测方法从大的方面可分为经验推断预测法、时间序列预测法及计量模型预测法。;3.1 回归预测法 原理:利用数理统计原理，在大量统计数据的基础上，通过寻求数据变化规律来推测、判断和描述事物未来的发展趋势。 一类是确定的关系 另一类是相关关系 ;3.1.1 一元线性回归法 式中 y—因变量； x—自变量； a、b——回归函数；; 式中 x—自变量，为时间序号； y—因变量，为事故数据； n—事故数据总数；; 解上述方程组得 ; 表3-1是某企业1988—1997年某种伤亡事故死亡人数的统计数据，试用一元线性回归方法建立其预测方程。 ;解 将表中数据代入上述方程组便可求出a和b的值，即：;;;注意: 相关系数r=l r=O时 在大部分情况下，0|r|1;3.1.2 一元非线性回归方法 一种非线性回归曲线——指数函数 ; 2） ;; 解 对 两边取自然对数得：;;3.2 灰色预测法 3.2.1 灰色预测建模方法;;;;3.2.2 预测模型的后验差检验;;;3.2.3 灰色预测示例 已知某企业1990年至1998年千人负伤率见表3-4所列，试用GM（1，1）模型对该企业1999年、2000年两年的千人负伤率进行灰色预测，并对拟合精度进行后验差检验。;解 ;;;进行后验差检验;;例2：民航事故征候万时率的灰色预测（选取民航2001～2004年飞行事故征候万时率数据 ）;（1）由表构造原始数列x（0），则：;构造数据矩阵X ;;（3）建立民航事故征候万时率的灰色预测模型 ;;;;3.3 马尔柯夫预测法 将数据划分为n种状态，其状态集合为E={E1，E2，…，En}，则数据序列由Ei状态经过k步变为Ej的概率为 其中： 为状态Ei经k步移到Ej的次数；Ni为状态Ei出现的总次数；进一步得到状态转移概率矩阵为： ; ①0≤Pij≤1； ② ，i=1，2，n。;一次转移向量 为 ;3.3.2 马尔柯夫预测示例 某单位对1250名人员进行职业病健康检查???，发现职工的健康分布如表3-10所列。; 根据统计资料，前年到去年各种健康人员的变化情况如下： 健康人员继续保持健康者剩70%，有20%变为疑似病状，10%的人被认定为病，即;解 一次转移向量;一年后疑似病状人数 为： ;3.5 综合应用 ;3.5.1 航空事故征候灰色预测 ; 3.5.2 航空事故征候马尔可夫预测 针对GM（1，1）模型预报的相对误差进行状态划分。由于对航空事故征候进行预测时，状态界限是不确定的，在划分状态区间求状态概率转移矩阵时采用时算法。本文选定以－18%，－8%，0，8%，16%为界限，将相对差值序列划分为4个区间，即状态1为（－18%～－8%），状态2为（－8%～0），状态3为（0～8%），状态4为（8%～16%），则可得到相应的相对误差序列所处的状态 ; 根据状态的划分和式（3-20）、（3-21），可得到航空事故征候的各步状态概率转移矩阵为;;;;例：设一年中任意的相继两天中，雨天转晴天的概率为1/3，晴天转雨天的概率为1/2，任一天为晴或者雨是互逆事件，以0表示晴天状态，1表示雨天状态，假设10月1日为雨天。 ①画出系统的状态转移图，以及状态转移矩阵。 ②问10月2号晴天的概率为多少？ ③达到稳定状态之后，晴天和雨天的概率各为多少？; ①画出系统的状态转移图，以及状态转移矩阵。;②10月2号晴天的概率为 晴的概率为1/3 ③达到稳定状态之后，晴天和雨天的概率 解此方程可达到 ; 设某车间里的机器出故障的概率为0.1，机器能修复正常的概率为0.86，试求稳定状态下，机器处于正常状态和故障状态的概率各为多少? ;3.4 神经网络预测法 人工神经网络具有强大的非线性映射能力，还具有自适应、自学习、容错性和并行处理等性质。 ;3.4.1 BP神经网络模型介绍 ;;3.4.2 神经网络时间预测步骤 3.4.2.1 时间序列处理和步骤