基于改进SCGM(1,1)C模型的海上交通事故量预测

杜柏松， 艾万政， 胡林燕， 朱鹏飞

(浙江海洋大学 船舶与海运学院， 浙江 舟山 316022)

海上交通事故量预测是海事安全评价和决策的基础，是海上安全管理部门总体控制水上交通安全的核心内容之一。[1]定量研究海上交通事故的变化趋势，对保障海上交通运输安全、提高海上交通安全管理水平具有重要的现实意义。目前，用于预测海上交通事故量的预测方法有支持向量机技术预测、BP(Back Propagation)神经网络预测和回声状态网络预测等预测方法[2-4],这些方法计算繁琐且需要大量的历史数据。由于灰色预测理论主要针对含有不确定因素，且具有一定变化趋势系统问题的预测；海上交通事故量具有随机性、不确定性等特点，且随着海上交通规范化和秩序化的发展，自开始统计以来总体呈现下降的趋势。因此，许多学者利用灰色理论对海上交通事故量进行预测研究。李云表等[5]利用GM(1,1)预测模型对舟山海域的海上交通事故量做了预测，其结果能反映海上交通事故量的变化趋势，但预测精度有待进一步提高。随着研究的深入，在灰色预测基础上建立许多灰色相关组合模型。虞盈等[6]在灰色预测的基础上，建立灰色马尔科夫组合模型，该组合模型能很好地克服数据的波动性；范中洲等[7]建立灰色BP神经网络组合预测模型，其结果比单一灰色预测和BP神经网络预测在预测精度和稳定方面更佳；徐东星等[8]等提出一种优化背景值和预测值残差的改进三参数灰色预测模型，取得良好的预测效果；……