基于ARIMA-LOESS模型的危化品道路运输事故起数预测*

王文和 张爽 袁玮成 刘林精

(1.重庆科技学院安全工程学院 重庆 401331； 2.重庆市安全生产科学研究院 重庆 401331；3.重庆科技学院油气化工过程安全多尺度研究中心 重庆401331)

0 引言

事故预测研究是指对系统将来的安全状态与情况进行科学的预测与计算[1]。预测研究的目的与意义是为了使系统安全达到最优化，也就是说，通过为安全管理人员提供相对全面、可靠的安全数据与信息，使其参照预测结果完善体系，强化对薄弱环节的管理、消除系统内在安全隐患。事故指标预测是根据已发生的事故信息来推断未来事故信息的过程，也就是基于事故发生的历史数据，通过整理得到一个时间数据序列，通过应用适当的预测模型，来探究该事故的发生特征与未来发展规律，对事故未来可能发生的结果预先作出科学的推断，其关键在于预测模型的建立。由于事故的发生具有波动性，事故发生起数及各项信息数据不够全面，若选择不合适或简单的预测模型会导致结果误差较大，因此需要建立高精度预测模型进行事故预测研究[2]。

当前国内外的事故预测研究方法主要有：灰色预测法、支持向量机法(Support Vector Machine，SVM)、神经网络预测法、指数平滑法、ARIMA预测法等[3]。灰色预测模型适合处理具有趋势特点分布的事故数据，计算工作量小，可用于近期、短期、中长期预测[4]，而实际的危化品道路运输事故数据不仅具有趋势性，而且具有波动性等特点，运用此模型预测准确度低。SVM算法处理大规模训练数据效果不佳，稳定性与可靠性低，而危化品道路运输事故的影响因素多，需要大量数据训练才会得到较为准确的结果；……