期刊文献+
共找到249篇文章
< 1 2 13 >
每页显示 20 50 100
Development of a machine learning model for predicting abnormalities of commercial airplanes
1
作者 Rossi Passarella Siti Nurmaini +2 位作者 Muhammad Naufal Rachmatullah Harumi Veny Fara Nissya Nur Hafidzoh 《Data Science and Management》 2024年第3期256-265,共10页
Airplanes are a social necessity for movement of humans,goods,and other.They are generally safe modes of transportation;however,incidents and accidents occasionally occur.To prevent aviation accidents,it is necessary ... Airplanes are a social necessity for movement of humans,goods,and other.They are generally safe modes of transportation;however,incidents and accidents occasionally occur.To prevent aviation accidents,it is necessary to develop a machine-learning model to detect and predict commercial flights using automatic dependent surveillance–broadcast data.This study combined data-quality detection,anomaly detection,and abnormality-classification-model development.The research methodology involved the following stages:problem statement,data selection and labeling,prediction-model development,deployment,and testing.The data labeling process was based on the rules framed by the international civil aviation organization for commercial,jet-engine flights and validated by expert commercial pilots.The results showed that the best prediction model,the quadratic-discriminant-analysis,was 93%accurate,indicating a“good fit”.Moreover,the model’s area-under-the-curve results for abnormal and normal detection were 0.97 and 0.96,respectively,thus confirming its“good fit”. 展开更多
关键词 Automatic dependent surveillance-broadcast data Commercial airplanes accident Data-labeling Machine learning prediction model
下载PDF
基于灰色-马尔可夫模型的道路交通事故预测
2
作者 黎辉 文超 《黑龙江交通科技》 2024年第5期170-174,共5页
根据攀枝花市2010~2017年的交通事故统计数据,分别利用灰色系统理论和灰色马尔可夫链预测法构建攀枝花市交通事故的预测模型,再用两种预测模型分别对2018~2019年攀枝花市发生的交通事故数、死亡人数、受伤人数及财产损失数进行预测,然后... 根据攀枝花市2010~2017年的交通事故统计数据,分别利用灰色系统理论和灰色马尔可夫链预测法构建攀枝花市交通事故的预测模型,再用两种预测模型分别对2018~2019年攀枝花市发生的交通事故数、死亡人数、受伤人数及财产损失数进行预测,然后将GM(1,1)预测模型与灰色马尔可夫链预测模型的预测结果进行对比分析。实例结果表明,灰色马尔可夫预测模型能有效克服随机波动性数据对道路交通事故四项绝对指标预测精度的影响,预测精度较好。 展开更多
关键词 交通事故 GM(1 1) 预测模型 马尔可夫链
下载PDF
基于“灰色+非线性回归”的煤矿死亡人数预测
3
作者 景国勋 卢一瑾 +2 位作者 王远声 郭绍帅 彭乐 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1922-1929,共8页
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... 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。 展开更多
关键词 安全工程 死亡人数 灰色模型 “灰色+非线性回归”模型 事故预测
下载PDF
基于历史数据挖掘的海上船舶交通事故预测
4
作者 张哲 《舰船科学技术》 北大核心 2024年第14期174-177,共4页
为优化船舶航行路线,减少因交通事故导致的延误和拥堵,提升海上运输效率和效益,研究基于历史数据挖掘的海上船舶交通事故预测方法。从海事机构获取海上船舶交通事故历史数据后,采用数据挖掘方法中的一维局阿尼自编码器对海上船舶交通事... 为优化船舶航行路线,减少因交通事故导致的延误和拥堵,提升海上运输效率和效益,研究基于历史数据挖掘的海上船舶交通事故预测方法。从海事机构获取海上船舶交通事故历史数据后,采用数据挖掘方法中的一维局阿尼自编码器对海上船舶交通事故历史数据展开挖掘,得到海上船舶交通事故特征,再建立灰色SCGM(1,1)C模型,将海上船舶交通事故特征输入到该模型中,并运用当前预测状态中间值作为修正产生,对灰色SCGM(1,1)C模型预测结果进行修正后,得到海上船舶交通事故预测结果。实验表明,该方法具备较强的海上船舶交通事故历史数据挖掘能力,灰色SCGM(1,1)C模型输出的海上船舶交通事故预测结果 DBI数值较高,预测海上船舶交通事故能力较好。 展开更多
关键词 数据挖掘 海上船舶 交通事故预测 灰色模型 自编码器 预测值修正
下载PDF
融合GWO和SVR的建筑安全事故预测模型
5
作者 李政道 曾佳 吴恒钦 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期1079-1086,共8页
当前建筑业迅速发展,但随之而来的是频频发生的建筑安全事故,造成不可逆转的损失和伤害。虽然近些年来在建筑安全事故控制方面的研究已取得一定的成果,但建筑安全事故仍未得到有效控制。针对建筑业市政工程安全事故总数和死亡人数,探究... 当前建筑业迅速发展,但随之而来的是频频发生的建筑安全事故,造成不可逆转的损失和伤害。虽然近些年来在建筑安全事故控制方面的研究已取得一定的成果,但建筑安全事故仍未得到有效控制。针对建筑业市政工程安全事故总数和死亡人数,探究二者之间的关系,构建灰狼优化算法-支持向量回归机(Grey Wolf Optimization and Support Vactor Regression,GWO-SVR)组合模型,收集2008—2020年每个月的建筑安全事故数据及死亡人数数据集,发现二者之间成正向相关关系,以建筑安全事故数为特征对建筑死亡人数进行预测,精度达到95%以上,对建筑安全资源与人力投入有较大参考价值,有助于提升建筑安全管理水平。 展开更多
关键词 安全社会工程 建筑安全事故 支持向量回归机 灰狼优化算法 模型预测
下载PDF
Assessment and prediction of road accident injuries trend using time-series models in Kurdistan 被引量:7
6
作者 Maryam Parvareh Asrin Karimi +4 位作者 Satar Rezaei Abraha Woldemichael Sairan Nili Bijan Nouri Nader Esmail Nasab 《Burns & Trauma》 2018年第1期55-62,共8页
Background: Road traffic accidents are commonly encountered incidents that can cause high-intensity injuries to the victims and have direct impacts on the members of the society. Iran has one of the highest incident r... Background: Road traffic accidents are commonly encountered incidents that can cause high-intensity injuries to the victims and have direct impacts on the members of the society. Iran has one of the highest incident rates of road traffic accidents. The objective of this study was to model the patterns of road traffic accidents leading to injury in Kurdistan province, Iran. Methods: A time-series analysis was conducted to characterize and predict the frequency of road traffic accidents that lead to injury in Kurdistan province. The injuries were categorized into three separate groups which were related to the car occupants, motorcyclists and pedestrian road traffic accident injuries. The Box-Jenkins time-series analysis was used to model the injury observations applying autoregressive integrated moving average (ARIMA) and seasonal autoregressive integrated moving average (SARIMA) from March 2009 to February 2015 and to predict the accidents up to 24 months later (February 2017). The analysis was carried out using R-3.4.2 statistical software package. Results: A total of 5199 pedestrians, 9015 motorcyclists, and 28,906 car occupants’accidents were observed. The mean (SD) number of car occupant, motorcyclist and pedestrian accident injuries observed were 401.01 (SD 32.78), 123.70 (SD 30.18) and 71.19 (SD 17.92) per year, respectively. The best models for the pattern of car occupant, motorcyclist, and pedestrian injuries were the ARIMA (1, 0, 0), SARIMA (1, 0, 2) (1, 0, 0)12, and SARIMA (1, 1, 1) (0, 0, 1)12, respectively. The motorcyclist and pedestrian injuries showed a seasonal pattern and the peak was during summer (August). The minimum frequency for the motorcyclist and pedestrian injuries were observed during the late autumn and early winter (December and January). Conclusion: Our findings revealed that the observed motorcyclist and pedestrian injuries had a seasonal pattern that was explained by air temperature changes overtime. These findings call the need for close monitoring of the accidents during the high-risk periods in order to control and decrease the rate of the injuries. 展开更多
关键词 ROAD accidents prediction Time-series modelS
原文传递
A novel prediction model of traffic accidents based on big data
7
作者 Minglei Song Rongrong Li Binghua Wu 《International Journal of Modeling, Simulation, and Scientific Computing》 EI 2019年第4期52-63,共12页
The occurrence of traffic accidents is regular in probability distribution.Using big data mining method to predict traffic accidents is conducive to taking measures to prevent or reduce traffic accidents in advance.In... The occurrence of traffic accidents is regular in probability distribution.Using big data mining method to predict traffic accidents is conducive to taking measures to prevent or reduce traffic accidents in advance.In recent years,prediction methods of traffic accidents used by researchers have some problems,such as low calculation accuracy.Therefore,a prediction model of traffic accidents based on joint probability density feature extraction of big data is proposed in this paper.First,a function of big data joint probability distribution for traffic accidents is established.Second,establishing big data distributed database model of traffic accidents with the statistical analysis method in order to mine the association rules characteristic quantity reflecting the law of traffic accidents,and then extracting the joint probability density feature of big data for traffic accident probability distribution.According to the result of feature extraction,adaptive functional and directivity are predicted,and then the regularity prediction of traffic accidents is realized based on the result of association directional clustering,so as to optimize the design of the prediction model of traffic accidents based on big data.Simulation results show that in predicting traffic accidents,the model in this paper has advantages of relatively high accuracy,relatively good confidence and stable prediction result. 展开更多
关键词 Big data traffic accidents prediction model adaptive functional directional clustering ACCURACY
原文传递
基于图像序列分析的城市道路交通事故预测
8
作者 胡正华 周继彪 +1 位作者 毛新华 张敏捷 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第5期91-102,共12页
为进一步提高路网交通事故预测的准确性,本文提出一种基于图像序列分析的短时交通事故预测方法。首先,使用过采样方法对微信小程序采集的交通事故数据进行插值处理,来消除事故数据内部大范围零值对模型训练准确性的影响;并将其与路网的... 为进一步提高路网交通事故预测的准确性,本文提出一种基于图像序列分析的短时交通事故预测方法。首先,使用过采样方法对微信小程序采集的交通事故数据进行插值处理,来消除事故数据内部大范围零值对模型训练准确性的影响;并将其与路网的流量数据及与引发事故相关的属性数据进行融合,得到稳定的时间序列作为模型的输入数据。然后,构建一个具有密集连接卷积的双向ConvLSTM U-Net(BCDU-Net)模型。该模型结合了一组双向ConvLSTM结构,将编码层和解码层的特征进行融合,以更全面地捕捉序列数据中的时空相关性。同时,模型还采用密集连接卷积结构,使特征图在深度方向上相互拼接,确保每一层都能够直接从损失函数中访问梯度。最后,通过将预测结果与实际交通事故数据的比较评价了模型的性能。结果表明,本文模型的预测结果相比全连接长短期记忆网络(FC-LSTM)模型,卷积长短期记忆网络(ConvLSTM)模型和U-Net模型,交叉熵损失函数分别降低了65.96%、15.70%和3.47%,均方根误差分别降低了21.48%、3.13%和1.71%,精确度分别增加了75.06%、11.82%和3.08%。说明本文所提出的方法在预测城市道路交通事故时具有更好的性能。 展开更多
关键词 智能交通 交通事故预测 深度学习 交通安全 BCDU-Net模型
下载PDF
典型特种设备事故预测预警方法研究
9
作者 姚雪佳 曹逻炜 +1 位作者 张硕 邵珊珊 《工业安全与环保》 2024年第11期42-46,共5页
特种设备事故预测预警结果是制定事故预防措施的重要依据,对特种设备安全保障具有重大意义。综合前人的研究成果,将特种设备事故预测方法研究分为2类:基于案例推理的事故预测和基于机器学习的事故预测。基于案例推理的事故预测方面,回... 特种设备事故预测预警结果是制定事故预防措施的重要依据,对特种设备安全保障具有重大意义。综合前人的研究成果,将特种设备事故预测方法研究分为2类:基于案例推理的事故预测和基于机器学习的事故预测。基于案例推理的事故预测方面,回顾了案例推理方法的基本思想及原理,并对具有代表性的特种设备事故预测研究进行了归纳总结;基于机器学习的事故预测方面,介绍了方法基本原理和典型研究成果案例,对不同算法模型在特种设备事故预测领域应用结果的准确性和稳定性方面进行了分析。最后,对特种设备事故预测研究目前的不足及未来发展方向进行了总结。 展开更多
关键词 特种设备 事故预测 案例推理 机器学习 模型融合
下载PDF
基于AHP与熵值法构建的火灾预测组合灰色模型
10
作者 郑子温 那孜古力·斯拉木 +1 位作者 王婧蓉 王旭东 《现代电子技术》 北大核心 2024年第5期118-126,共9页
火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理... 火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理;其次建立了基于背景值优化的灰色模型和无偏优化灰色模型;而后引入了结合等维新息理论的马尔可夫模型,对经过改进的灰色模型进行预测值的残差修正;最后建立了基于层次分析法(AHP)与熵值法的主客观赋权组合模型。针对北京市2012—2019年火灾事故数据进行建模,并对后续两年的火灾发生数量进行数据预测与模型对比验证分析,根据预测结果判断未来火灾数据的变化趋势。实验结果显示,优化模型可以提高预测精度,其中结合AHP与熵值法的组合模型预测精度达到了相对残差最小为0.6105%,后验方差比为0.323%。实验结果证明,优化后的模型可以更好地应用于对火灾事故的预测。 展开更多
关键词 火灾事故预测 GM(1 1) 马尔可夫模型 等维新息理论 层次分析法 熵值法 组合模型预测
下载PDF
司法实践中精神损害抚慰金特征分析及预测研究
11
作者 年银果 潘颖群 王文强 《湘潭大学学报(自然科学版)》 CAS 2024年第5期59-68,共10页
在司法实践中,众多领域都已经涉及精神损害抚慰金,受到学者们的广泛关注.现阶段的研究大多处于定性分析,定量分析尚处在起步阶段.该文以中国裁判文书网上的交通事故民事纠纷案为例,利用分层随机抽样方法获取1539份判决书作为样本,提取... 在司法实践中,众多领域都已经涉及精神损害抚慰金,受到学者们的广泛关注.现阶段的研究大多处于定性分析,定量分析尚处在起步阶段.该文以中国裁判文书网上的交通事故民事纠纷案为例,利用分层随机抽样方法获取1539份判决书作为样本,提取了13个影响精神损害抚慰金的变量,构建了逐步回归模型和随机森林回归模型,对精神损害抚慰金的特征进行了分析,并对模型的预测效果进行了评价.该文通过实证发现:①伤残程度、受害方精神损害诉讼数额、受害方物质损害诉讼数额、受害方物质损害获赔数额是影响精神损害抚慰金的主要变量;②伤残程度很大程度上决定了精神损害抚慰金,二者具有较高的正相关关系;③基层、中级人民法院中随机森林模型的决定系数(R^(2))值(0.671、0.699)和逐步回归模型的R^(2)值(0.716、0.770)相差不大;但是基层、中级人民法院中随机森林模型的平均绝对误差(E_(MA))值(0.405、0.390)比逐步回归模型的E_(MA)值(0.997、0.984)要小很多,总的来说,随机森林回归模型的预测效果比逐步回归模型预测效果好.该文研究希望有助于精神损害赔偿制度的理论探讨和法治体系的完善. 展开更多
关键词 精神损害抚慰金 交通事故 民事案件 定量分析 预测模型
下载PDF
基于集成学习模型的交通事故严重程度时空预测 被引量:1
12
作者 柳一航 沈航先 《科技创新与应用》 2024年第8期28-35,共8页
为探究区域交通事故时空特征,精准预测事故严重程度,给交通运输主管部门提供决策支持,以英国交通事故统计数据作为研究基础,首先,将交通事故时空特征数据转化为网格化数据,并对空间特征进行二维卷积,利用时间特征合并二维卷积为三维卷积... 为探究区域交通事故时空特征,精准预测事故严重程度,给交通运输主管部门提供决策支持,以英国交通事故统计数据作为研究基础,首先,将交通事故时空特征数据转化为网格化数据,并对空间特征进行二维卷积,利用时间特征合并二维卷积为三维卷积,解决网格冲突问题;其次,利用卷积神经网络(CNN)、长短期记忆人工神经网络(LSTM)模型的工作原理建立Stacking模型的基学习器和元学习器;最后,输出结果传入分类与回归树(CART),构建完整的事故严重程度预测集成学习模型。研究结果表明,集成学习模型较单一模型对预测效果更优,其AUC比CNN、LSTM和Conv-LSTM单一模型预测分别提升0.02、0.04和0.01;最终决策树选择中,CART决策树比随机森林(RF)和梯度提升决策树(GBDT)预测效果更优;预测结果在时间纬度上,“严重事故”事件占比较实际低3.95%,在空间纬度上,预测热力区域在0.5~1区间范围内与实际接近。 展开更多
关键词 交通安全 交通事故 事故严重程度预测 机器学习 集成学习模型
下载PDF
基于SSA-SVM的道路事故预测模型 被引量:1
13
作者 杨朗 《黑龙江交通科技》 2024年第7期178-181,共4页
将道路事故特征因素和环境因素作为自变量,事故严重程度作为因变量,采用SVM构建道路事故预测模型,并使用SSA优化模型中的最优参数组合,最终建立基于SSA优化的SVM道路事故预测模型,模型预测准确率优于广义线性预测模型和BP神经网络预测... 将道路事故特征因素和环境因素作为自变量,事故严重程度作为因变量,采用SVM构建道路事故预测模型,并使用SSA优化模型中的最优参数组合,最终建立基于SSA优化的SVM道路事故预测模型,模型预测准确率优于广义线性预测模型和BP神经网络预测模型。经过模型致因分析,得到三项对道路事故严重程度具有显著影响的自变量,分别为机非隔离形式、监控设施和最近交叉口交通组织形式,可作为道路交通安全管控的核心控制参数。 展开更多
关键词 道路事故预测 SVM模型 SSA优化 致因分析
下载PDF
基于组合赋权优化的ES-ARIMA-BP神经网络交通事故预测研究
14
作者 刘尊青 单小曼 +3 位作者 辛宁 侯金超 姚亮 钟丽华 《现代电子技术》 北大核心 2024年第22期71-76,共6页
为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预... 为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预测,可减少数据间的噪声,并能捕捉时间序列数据中的季节性变动;其次,使用ARIMA模型进行预测,可捕捉数据中的线性部分、非季节性趋势和周期性波动;最后,为更好地应对数据中的复杂非线性及无周期性波动,引入BP神经网络进行预测。结果表明:构建基于组合赋权优化的ES-ARIMA-BP神经网络组合预测模型,平均绝对误差百分比(MAPE)仅为1.869%,决定系数(R^(2))高达0.982,较单一模型及单一赋权法下的组合模型预测误差率更低,拟合程度更好。组合预测模型以数据最大优化为思想基础,可有效克服单一模型的局限,同时采用组合赋权,使其能更好地适应不断变化的数据和环境,从而提高预测的准确度。 展开更多
关键词 交通事故预测 ES-ARIMA-BP 神经网络 组合模型 预测模型 赋权优化
下载PDF
基于XGBoost改进模型的高速公路事故多发点鉴别及预测
15
作者 马飞虎 张玉玲 +2 位作者 宁玮 谢天长 王海玲 《交通运输研究》 2024年第3期66-74,共9页
为准确、快速地预测高速公路事故多发路段,获得事故时空数据的特征样本,明确事故的时空演化规律及关联机制,根据时空热点分析结果鉴别事故多发点的位置和时空演变模式,构建了GA-XGBoost事故多发点预测组合模型。首先,依据样本数据分别... 为准确、快速地预测高速公路事故多发路段,获得事故时空数据的特征样本,明确事故的时空演化规律及关联机制,根据时空热点分析结果鉴别事故多发点的位置和时空演变模式,构建了GA-XGBoost事故多发点预测组合模型。首先,依据样本数据分别构建年尺度、日尺度下的时空立方体,并进行热点分析,根据分析结果得到样本高速的事故多发点位置及其时空演化模式;经过比较分析和相关性检验,选取事故发生时间、里程、事件类型、处理时长、影响车道数、是否处于汇入口附近、是否节假日7项特征预测事故是否处于事故多发点。然后,分别使用CNN-LSTM、CNN-LSTM-ATT、随机森林、XGBoost模型4种算法对事故多发点进行预测,结果显示:相比其他3种,XGBoost模型的预测准确率最高。接着,采用遗传算法对XGBoost模型进行优化,构建了GA-XGBoost组合模型,使预测准确率提高0.06,F1分数提高0.07,精确率提高0.08。这表明,相比既有算法,GA-XGBoost模型能够较准确地预测出路段是否处于事故多发点,明确事故多发点事故的时空特征。最后,通过SHAP分析对预测结果进行解释,发现处于汇入口附近、事件类型为侧翻、故障、处于国庆假期和影响车道数为2的样本处于事故多发点的概率相比不处于汇入口附近和其他事故类型更大。据此,在交通安全和应急管理中可采取预防性措施,提升交通管理的效率和应急响应能力,营造安全、高效的交通环境。 展开更多
关键词 事故多发点 时空特征 事故鉴别与预测 XGBoost 遗传算法 时空立方体模型 SHAP解释
下载PDF
基于事故链模型的电力系统故障风险评估分析
16
作者 吕坐君 《自动化技术与应用》 2024年第4期18-21,176,共5页
电力系统一旦发生故障就容易产生连锁反应,造成重大损失及灾害,为此,提出一种基于事故链模型的电力系统故障风险评估方法。明确确定电力系统风险评估指标以及负载函数表达式,基于事故链模型,重点考虑线路、负载等因素下不同位置故障概率... 电力系统一旦发生故障就容易产生连锁反应,造成重大损失及灾害,为此,提出一种基于事故链模型的电力系统故障风险评估方法。明确确定电力系统风险评估指标以及负载函数表达式,基于事故链模型,重点考虑线路、负载等因素下不同位置故障概率,演练分析电力系统连锁故障成因,计算系统内可能存在的隐性故障概率,最终综合失负荷量、平均故障输出评估结果。经实验分析证明,利用事故链模型能够更完善和准确描述电力系统可能存在的故障风险,评估结果准确合理。 展开更多
关键词 事故链模型 电力系统分析 风险评估 故障预测 故障风险分析
下载PDF
基于GM(1,1)模型的煤矿安全事故灰色预测分析
17
作者 彭贺 《价值工程》 2024年第27期27-29,共3页
为了明确我国煤矿事故发生起数和死亡人数总的变化趋势,本文以灰色数学为理论基础,以2019年-2023年的煤矿事故总起数和煤矿事故死亡人数为数据基础,建立了煤矿事故总起数GM(1,1)模型、煤矿事故死亡人数GM(1,1)模型,通过MATLAB软件编制程... 为了明确我国煤矿事故发生起数和死亡人数总的变化趋势,本文以灰色数学为理论基础,以2019年-2023年的煤矿事故总起数和煤矿事故死亡人数为数据基础,建立了煤矿事故总起数GM(1,1)模型、煤矿事故死亡人数GM(1,1)模型,通过MATLAB软件编制程序,计算拟合值,确定建立的两个模型等级均为“好”,验证了模型的可靠性,根据建立的模型预测得到2024年、2025年事故总起数为68起、50起,事故死亡人数154人、125人。预测表明,2024年、2025年事故总的起数和总的死亡人数趋于平缓,预测结果为煤矿行业制定安全管理对策提供有效的参考,具有重要的意义。 展开更多
关键词 灰色预测 煤矿事故 煤矿事故死亡人数 GM(1 1)模型
下载PDF
基于ARIMA-LSTM的高速公路交通安全组合预测模型研究 被引量:9
18
作者 梁乃兴 闫杰 +2 位作者 杨文臣 曹源文 房锐 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第4期131-138,共8页
为建立准确有效的交通事故预测模型,提升高速公路交通安全水平,以重庆市11条高速公路2011—2016年共计65 119起交通事故为基础,选取“事故数量”和“死亡人数”2项总量指标,描述统计高速公路交通事故在时间维度上的月分布规律。通过自... 为建立准确有效的交通事故预测模型,提升高速公路交通安全水平,以重庆市11条高速公路2011—2016年共计65 119起交通事故为基础,选取“事故数量”和“死亡人数”2项总量指标,描述统计高速公路交通事故在时间维度上的月分布规律。通过自回归差分移动平均(ARIMA)模型捕捉时间序列数据中的线性时序特征,使用长短时记忆神经网络(LSTM)模型拟合预测残差序列中的非线性时序特征,建立了基于ARIMA和LSTM的高速公路交通事故组合预测模型,并以均方根误差(RMSE)、平均绝对百分比误差(MAPE)值作为模型的评估指标。结果表明:ARIMA-LSTM组合预测模型各项指标的预测精度均优于单一的ARIMA模型,其中“死亡人数”组合模型改善效果显著,其RMSE与MAPE值相较于ARIMA模型分别改善了55.83%和54.80%;“事故数量”组合模型的RMSE和MAPE相较于ARIMA模型改善了23.15%、23.29%。 展开更多
关键词 交通工程 交通事故预测 ARIMA-LSTM 组合模型 高速公路 时间序列
下载PDF
基于事故修正系数的山区高速公路事故预测模型 被引量:3
19
作者 孟祥海 由冰玉 +2 位作者 邱志雄 李之啸 张明扬 《中国安全科学学报》 CAS CSCD 北大核心 2023年第1期10-17,共8页
为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定... 为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明:CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。 展开更多
关键词 事故修正系数(CMF) 山区高速公路 事故预测模型 严重程度 零膨胀负二项(ZINB)
下载PDF
基于改进KNN模型的城市道路事故持续时间预测 被引量:1
20
作者 孙泰屹 勾进 何雅琴 《武汉理工大学学报(交通科学与工程版)》 2023年第6期1030-1034,共5页
文中提出一种改进的KNN(K-Nearest neighbor)预测模型.通过对训练集的多元回归建模分析得到对事故持续时间占主要影响地位的多个因素及其beta值,并代入到传统KNN模型中,改善模型所用欧氏距离,设计出一种改进的KNN预测模型.结果表明:这... 文中提出一种改进的KNN(K-Nearest neighbor)预测模型.通过对训练集的多元回归建模分析得到对事故持续时间占主要影响地位的多个因素及其beta值,并代入到传统KNN模型中,改善模型所用欧氏距离,设计出一种改进的KNN预测模型.结果表明:这种改进的KNN预测模型能够较为准确的预测城市道路环境下的事故持续时间,在K值取不同大小时,测试集预测结果的平均相对误差为15.79%~16.24%,在K值均取最优值9时,模型的平均绝对误差相对于传统KNN模型降低了42.15 s,平均相对误差降低了10.3%. 展开更多
关键词 交通安全 城市道路 事故持续时间 多元回归 KNN预测模型
下载PDF
上一页 1 2 13 下一页 到第
使用帮助 返回顶部