基于“灰色+非线性回归”的煤矿死亡人数预测

为探究我国煤矿现阶段安全管理水平,从煤矿近年死亡人数为切入点,分析灰色模型[Gray Model, GM(1,1)]、回归模型在煤矿事故的预测效果,进而建立“灰色+回归”模型。首先,建立灰色模型,利用后残差比值、小概率误差验证灰色模型的预测等级为“好”,满足改进要求;其次,对回归模型进行线性拟合,建立“灰色+回归”预测模型,并对3类模型的预测准确性进行评估;最后,利用“灰色+非线性回归”模型预测2023年煤矿死亡人数。结果显示:以2021—2022年数据为基准,“灰色+非线性回归”预测相对误差依次为4.5%和1.3%,预测结果接近实际值,适用于短中期预测;经分析,“灰色+非线性回归”对煤矿死亡人数预测具有较高的研究价值。2023年煤矿死亡人数控制在123~136人,煤矿死亡人数呈下降趋势。

基于PCA-PSO-ELM模型预测地震死亡人数研究

筛选42个历史地震震例,对地震震级、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度以及发震时刻7个影响指标进行主成分分析(principal components analysis,PCA),构建粒子群优化(particle swarm optimization,PSO)极限学习机(extreme learning machine,ELM)地震死亡人数预测模型。将37个震例数据进行预处理和训练,并使用5个震例数据来检验模型的预测精度。实验结果表明,该PCA-PSO-ELM组合模型的平均误差率为10.87%,相比于PCA-ELM模型和ELM模型,其平均误差率分别降低8.70个百分点和18.38个百分点。因此,采用PCA-PSO-ELM组合模型预测地震死亡人数具有一定的可行性。

广州市居民呼吸系统疾病每日死亡人数与大气污染的时间序列分析

目的探讨广州市大气污染对居民每日呼吸系统疾病死亡人数的影响。方法收集广州市多家医院2006年1月1日~2008年12月31日呼吸系统疾病每日死亡人数的统计资料,结合同时期环境监测和气象资料,建立自回归模型（auto-regression model）,进行时间序列分析,在消除了气象、季节等混杂因素的基础上,分析了研究期间广州市大气污染与呼吸系统疾病死亡人数的关系。结果大气污染在冬季对居民呼吸系统疾病造成的死亡影响高于夏季。呼吸系统疾病日死亡人数较多月份与各污染物浓度较高的月份趋于一致。大气中NO2和PM10的浓度每增加10μg/m3,居民呼吸系统疾病日死亡人数分别各增加1%（P〈0.01）。灰霾天的空气污染物浓度高于非灰霾天。结论广州市大气主要污染物NO2和PM10浓度的升高,引起居民呼吸系统疾病的日死亡人数相应增加。

南京市呼吸系统疾病死亡人数与气象因子的关系

利用2005年1月1日-2008年12月31日南京市逐日呼吸系统疾病死亡人数资料和同期气象资料,研究了气象要素变化对呼吸系统疾病死亡人数的影响.结果表明:南京市呼吸系统疾病死亡人数冬季最高,其次是春季,秋季和夏季较少;南京市逐日呼吸系统疾病死亡人数对气象要素变化的响应存在滞后性,春季滞后6-7 d,夏秋季滞后8-10 d,冬季滞后2-5 d;对风寒指数响应的滞后响应时间,春季7-8 d,夏季和秋季相关弱,冬季2-3 d;前期的空气污染和后期的剧烈降温叠加,可能是南京冬季呼吸系统疾病患者死亡的重要诱因;春季随着气温的回升,空气污染程度减轻,患者对气温变化的耐受性也延长了,但响应敏感性比冬季增强了;通过逐步回归,建立了冬季和春季南京呼吸系统疾病的死亡人数预报方程.

道路交通事故死亡人数预测模型

为了对中国未来的交通安全形势做出科学预测,分析了中国道路交通安全状况的评价指标和主要影响因素,建立了以机动车保有量、人口、公路里程、客货运输周转量和国家控制力度为参数的道路交通事故死亡人数预测模型,并对1991～2004年各年的死亡人数进行了计算和未来年份死亡人数进行了预测。预测结果表明:预测模型精度高,平均预测误差为3.9%;得出2010年和2020年中国道路交通事故死亡人数的预测值分别为14万人和17万人,死亡人数由上升转为下降的转折点出现时间约在2010年到2015年之间。

地震报道死亡人数随时间变化的修正指数模型

震后对地震死亡人数做出可靠的估计,可以为现场抗震救灾指挥部的指挥部署和民政部门的救灾安排工作提供有益的参考,能在一定程度上提高抗震救灾的效率.作者收集了汶川地震各时刻的死亡人数,采用修正指数曲线进行拟合,并与指数函数进行了比较,同时又用集集地震和阪神地震的数据进行了验证,结果均表明修正指数曲线的拟合结果较好.该拟合函数可能形成地震死亡人数的估计方法,并为各级抗震救灾指挥部提供救灾决策的参考.

地震新闻报道中中国地震死亡人数时间序列特征研究

选取了1996-2017年国内18次震例,统计新浪网对地震死亡人数的报道数据,利用对数函数对震例进行了数据拟合,结果表明:(1)地震死亡人数与其被报出的时间所呈现的曲线有着很好的相关性,死亡人数越多,确定最终死亡人数的时间也就越长。(2)地震死亡人数接近总数的报出时间越短,表明救援能力越强。从18次震例中体现出我国的地震灾害的救援能力以及地震灾害响应情况在各个震级档中较为一致。

我国煤矿事故死亡人数组合预测及行业比较

为了找出煤矿事故死亡人数在我国各行业事故死亡人数中所占比重,对我国各行业事故死亡人数进行了对比。运用GM(1,1)灰色预测模型和多项式拟合模型分别对煤矿事故死亡人数进行了预测,并基于预测平均百分比误差最小的原则,计算了两种预测方法的组合预测权重系数,得到组合预测的结果。分析表明:近年来我国煤矿事故死亡人数在显著减少,但在各行业事故死亡人数中所占比例仍然较大;在未来2年内煤矿事故死亡人数还会进一步下降;组合预测模型的预测结果准确度更高,可用于各种有变化趋势数据的预测。

地震报道中死亡人数估计方法的适用性分析

基于国内外8次地震报道死亡人数的统计数据,采用修正指数曲线、龚铂茨曲线、罗吉斯蒂曲线分别进行震后死亡人数估计。对比分析表明三种模型均适合地震报道死亡人数估计;用剔除前两个拟合值后的拟合精度作为预测误差在实际应用中具有实际参考价值。对中国3次强震报道死亡人数拟合结果分析显示,联合三种模型,采用相对误差较小的模型为主、另两种模型为参考的方法进行最终死亡人数预测,可为抗震救灾指挥部署提供参考依据。

基于一元线性回归的中国煤炭行业年死亡人数与年煤炭产量的预测研究

为了预测我国煤炭行业未来安全形势的发展状况,建立了我国煤炭行业年死亡人数与年煤炭产量的一元线性回归预测模型,采用该模型对我国未来3年煤炭行业年死亡人数与年煤炭产量的发展趋势进行了预测。预测结果表明,该模型具有一定的可行性,为预测我国煤炭行业的安全形势提供了可靠的理论依据。

基于PCA-ELM的地震死亡人数评估

地震往往会在短时间内造成巨大的人员伤亡和财产损失,为了震后救援工作能够快速高效的展开,建立了主成分分析(Principal Components Analysis,PCA)和极限学习机(Extreme Learning Machine,ELM)相结合的地震死亡人数预测模型。综合考虑影响地震死亡人数的多种因素,选取震级、震源深度、震中烈度、抗震设防烈度、人口密度、发生时间和预报水平7项主要因素作为评价指标。首先,利用主成分分析对原始变量进行降维处理,并计算出主成分得分,作为ELM的输入;其次,对构建的ELM地震死亡人数预测模型进行训练;最后,对选取的32组地震样本进行算例仿真,并与未经PCA处理的ELM算法和BP神经网络算法进行对比。结果表明,基于主成分分析的极限学习机算法对地震死亡人数预测具有较高的预测精度,验证效果良好。

基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测研究

交通事故预测研究有助于降低交通事故发生的概率。为提高交通事故预测模型的精度,首先应用网格搜索法获得LightGBM模型的最优超参数,并进行5折交叉验证提升模型的抗拟合能力,建立优化的LightGBM(GSK-LightGBM)模型;然后基于AdaBoost算法训练多个GSK-LightGBM模型,加权组合得到AdaBoost-LightGBM增强集成模型,并采用网格搜索法结合5折交叉验证,实现了AdaBoost-LightGBM模型的参数优化,构建了GSK-AdaBoost-LightGBM模型;最后基于采集到的1953—2018年我国道路交通事故死亡人数相关样本数据训练模型,得到基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测模型,并引入均方误差、平均绝对误差和平均绝对百分误差3项评估指标评估了模型的预测性能,探究了模型的优化效果。结果表明:GSK-AdaBoost-LightGBM模型的3项评估指标值分别为0.014、0.00035和0.077,低于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型的评估指标值,说明该模型的预测精度较高,且明显优于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型。

2011—2016年广州市逐日死亡人数与气温关系的时间序列研究

目的研究广州市2011—2016年日均气温对人群死亡的影响。方法利用广州市2011—2016年全人群逐日死亡人数的时间序列资料,结合同期气象资料,采用分布滞后非线性模型分析气温对人群死亡的滞后效应和累积效应。以广州市气温的P_(2.5)和P_(97.5)百分位数值估计极端气温的冷、热效应;以最适宜温度为参照,分别估计平均气温每上升或下降1℃的相对危险度。结果高温影响快速持续4 d;低温影响相对缓慢但持续时间长达两周;低温和高温对于全死因的滞后21 d累计相对危险度分别为1.013(95%CI:1.003~1.027),1.023(95%CI:1.006~1.050)。低温和高温对≥65岁组的人群,男性的累计效应有统计意义,低温对女性的滞后21 d累计相对危险度也有统计意义。结论高温和低温均造成人群死亡率上升,高温比低温的累计相对危险度高,但低温影响持续时间更长。老年人对低温和高温效应敏感,女性比男性对低温效应更加敏感。

呼吸系统疾病死亡人数的人工神经网络方法研究

目的利用南京市2004-2009年呼吸系统疾病死亡病例和同期的气象资料,分析了气象因子(包括三种舒适度指数)与呼吸系统疾病死亡人数的相关性。方法通过BP神经网络建立了呼吸系统疾病死亡人数的预报模型,并对其进行评价。结果气象因素及其变化与呼吸系统疾病死亡人数有密切的关系。建立的呼吸系统疾病死亡人数的神经网络预报模型结构为15-20-1(即有15个输入、20个隐含节点和1个输出),训练精度为0.005,训练了26步达到目的,预测准确率达80.11%。结论与统计预报方法相比较,该方法计算简便、误差较小、预测准确率高,对呼吸系统疾病死亡人数有较好的预测效果,为医疗气象预报提供了一种新方法,具有进一步的研究价值。

基于神经网络的地震死亡人数快速评估研究

选取了1630年一来的101个中国大陆地区造成人员死亡的地震震例,选取地震发生的时间、震级、震中烈度、震中人口密度和地震所在地区作为影响地震人员伤亡的主要因素建立输入层神经元,地震死亡人数作为输出层神经元,利用BP神经网络为平台,建立了地震死亡人数快速评估模型,结果标明:(1)神经网络模型快速评估的地震死亡人数更接近真实情况,评估结果更精确;(2)地震前的准确预报措施可以显著的减少地震造成的人员伤亡。事实证明神经网络地震死亡人数快速评估模型可以应用到地震灾害快速评估,为政府决策和救援提供参考依据。

基于家谱资料的死亡人数构成比的日节律

据 1 5 0 6～ 2 0 0 0年中国汉族某姓氏家谱资料 ,通过常规和圆形分析死亡人数构成比的日节律 ,发现男子死亡数构成比亥时、午时为高 ,卯时、辰时为低 ,最高值 (1 5 .0 9% )是最低值 (3 .47% )的 4.3 5倍 ,差异极显著 (P<0 .0 1 )。女子死亡数构成比亥时、巳时为高 ,卯时、寅时为低 ,最高值 (1 6 .0 8% )是最低值 (3 .5 5 % )的4.5 3倍 ,差异极显著。亥时是阴气盛极将衰、阳气将长 ,午时和巳时是阳气盛极将衰、阴气将长 ,可见阴阳二气的转换对死亡有催动作用。男子、女子数据合并 ,平均死亡高峰为 2 2时 5 8分。男子、女子昼、夜死亡数构成比均无甚差异 (P>0 .0 5 )。男子阳时、阴时死亡数构成比分别为 42 .6 5 %和 5 7.3 5 % ,差异极显著 ;女子分别为 46 .78%和 5 3 .2 2 % ,差异接近显著 (P=0 .1 0 )。男子最大时辰死亡数构成比 ,古代为亥时和午时的1 4.6 9% ,近现代为亥时的 1 5 .1 5 %。可见 ,在这两个时代中 ,男子时辰死亡数构成比无大的改变。女子最大时辰死亡数构成比 ,古代为亥时的 1 5 .5 1 % ,近现代仍为亥时的 1 7.2 1 % ,二时代女子的时辰死亡数构成比也无甚改变。死亡时辰 Y与死亡日 (农历初一至三十 ) X之间存在显著相关。男子和女子数据合并 ,Y=1 1 .0 95 1 +0 .0 6 1 7X± 0 .443

基于粗集理论的交通事故死亡人数时间分布分析

利用粗集理论,以事故死亡人数为指标,分别以月、周、日和小时为时间粒度,以吉林省某高速公路1999年至2004年发生的交通事故统计数据为例,对道路交通事故死亡人数的时间分布规律进行分析。结果表明,道路交通事故死亡人数的分布与时间有密切的关系,并且不同时间粒度对死亡人数分布影响的重要程度又存在显著差别。

基于改进无偏灰色马尔科夫模型的煤矿事故死亡人数预测

在传统灰色模型和马尔科夫理论的基础上,根据新信息优先原理,构建维新无偏灰色马尔科夫模型。以我国2003年~2011年煤矿事故死亡人数为基础,预测2012年~2016年煤矿事故死亡人数,并与传统模型预测结果进行对比分析。

道路交通事故死亡人数预测模型对比研究

为准确预测交通事故死亡人数,选取人、车、路和经济发展水平作为主要因素,建立GM(1,1)和Verhulst模型,进行事故预测和精度分析。结合马尔科夫方法,对已建立的模型进行修正,构建GM(1,1)-Markov,GM(1,3)-Markov和Verhulst-Markov模型。应用上述模型预测安徽省2012—2014年交通事故死亡人数。分析结果表明:应用GM(1,1)-Markov模型,3年预测值的相对误差分别为-8.4%,-12.81%和-13.18%;应用GM(1,3)-Markov模型,3年预测值的相对误差分别为-31.86%,-44.66%和-57.50%;应用Verhulst-Markov模型,3年预测值的相对误差分别为-2.68%,-2.88%和-2.42%。Verhulst-Markov模型的预测精度更高,可用来预测今后的道路交通事故死亡人数。