基于蚁群优化支持向量机的电力人因事故预测模型

为有效预测电力行业人因事故数量,论文利用支持向量机(SVM)与蚁群算法(ACA)综合研究电力人因事故问题,在对支持向量机进行优化决策的基础上,提出一个电力人因事故数据拟合与预测的统计分析模型。针对支持向量机的参数选择问题,采用蚁群算法进行优化,建立了基于优化支持向量机的电力人因事故数据统计分析模型。利用该模型对电力人因事故量进行预测,结果表明,基于优化支持向量机的电力人因事故数据统计分析模型,预测精度更高、误差更小,能够更有效地对电力人因事故数量进行拟合、预测和统计分析。

基于支持向量机的电力人因事故组织因素分析

在电力生产行业中,人因已成为引发生产安全事故的最主要因素,而在人的因素中,组织管理因素是影响人因的最主要因素。为探寻组织管理因素对电力生产人子系统的影响,论文利用k均值聚类算法和支持向量机对电力人因事故进行了分析。论文首先根据已发生的电力安全事故分析了电力行业人因事故组织管理因素的影响因素,然后利用k均值聚类算法将电力人因事故组织管理因素划分可靠性等级,最后利用支持向量机分析可靠性等级与影响因素间的关系。论文选取12组电力生产系统数据验证算法,分析发现组织氛围因素是影响电力安全生产可靠性的最主要因素。