安全系统预测ppt课件

1、概述 预测由四部分组成，即预测信息、预测分析、预测技术和预测结果。 1按预测对象范围的划分法 2按预测时间长短的划分法 (1)长(远)期预测 y5 (2)中期预测 5y1 (3)短期预测 y0.6 留意: 相关系数r=l r=O时 在大部分情况下，0|r|13.1.2 一元非线性回归方法 一种非线性回归曲线指数函数 1 2 某企业1997年的工伤人数的统计数据见表3-2，用指数函数进展回归分析。 解 对 两边取自然对数得：3.2 灰色预测法3.2.1 灰色预测建模方法生成序列 一阶灰色微分方程、记为GM1，1 最小二乘解： 时间呼应方程 离散呼应方程 式中 作累减复原 3.2.2 预测模型的后

2、验差检验残差均值：残差方差：原始数据均值：原始数据方差：后验差比值c：小误差概率p：3.2.3 灰色预测例如 知某企业1990年至1998年千人负伤率见表3-4所列，试用GM1，1模型对该企业1999年、2000年两年的千人负伤率进展灰色预测，并对拟合精度进展后验差检验。解 建立数据矩阵B，进展后验差检验那么 例2：民航事故征候万时率的灰色预测选取民航20012004年飞行事故征候万时率数据 1由表构造原始数列x0，那么：2对原始数据进展处置构造数据矩阵X 构造数据向量Y 3建立民航事故征候万时率的灰色预测模型 4民航事故征候万时率的误差值计算5预测精度检验 6民航事故征候万时率预测值 3.3

3、 马尔柯夫预测法 将数据划分为n种形状，其形状集合为E=E1，E2，En，那么数据序列由Ei形状经过k步变为Ej的概率为 其中： 为形状Ei经k步移到Ej的次数；Ni为形状Ei出现的总次数；进一步得到形状转移概率矩阵为：0Pij1； ，i=1，2，n。一次转移向量 为 二次转移向量 为 3.3.2 马尔柯夫预测例如 某单位对1250名人员进展职业病安康检查时，发现职工的安康分布如表3-10所列。 根据统计资料，前年到去年各种安康人员的变化情况如下：安康人员继续坚持安康者剩70%，有20%变为疑似病状，10%的人被认定为病，即 假定原有疑似病状者普通不能够恢复为安康者，仍坚持原状者为80%，有2

4、0%被正式认定为病，即：假定病者普通不能够恢复或前往疑似病状，即解 一次转移向量=一年后安康者人数 为： 一年后疑似病状人数 为： 一年后患者人数 为： 3.5 综合运用3.5.1 航空事故征候灰色预测 3.5.2 航空事故征候马尔可夫预测 针对GM1，1模型预告的相对误差进展形状划分。由于对航空事故征候进展预测时，形状界限是不确定的，在划分形状区间求形状概率转移矩阵时采用时算法。本文选定以18%，8%，0，8%，16%为界限，将相对差值序列划分为4个区间，即形状1为18%8%，形状2为8%0，形状3为08%，形状4为8%16%，那么可得到相应的相对误差序列所处的形状 根据形状的划分和式3-2

5、0、3-21，可得到航空事故征候的各步形状概率转移矩阵为例：设一年中恣意的相继两天中，雨天转晴天的概率为1/3，晴天转雨天的概率为1/2，任一天为晴或者雨是互逆事件，以0表示晴天形状，1表示雨天形状，假设10月1日为雨天。 画出系统的形状转移图，以及形状转移矩阵。 问10月2号晴天的概率为多少？ 到达稳定形状之后，晴天和雨天的概率各为多少？ 画出系统的形状转移图，以及形状转移矩阵。晴(0) 雨(1)10月2号晴天的概率为晴的概率为1/3 到达稳定形状之后，晴天和雨天的概率 解此方程可到达 设某车间里的机器出缺点的概率为0.1，机器能修复正常的概率为0.86，试求稳定形状下，机器处于正常形状和缺

6、点形状的概率各为多少?3.4 神经网络预测法 人工神经网络具有强大的非线性映射才干，还具有自顺应、自学习、容错性和并行处置等性质。 3.4.1 BP神经网络模型引见t3t2输出方式输入方式隐含层隐含神经元输出神经元输出层tmt1pnp13p2p1图3-2 BP网络模型3.4.2 神经网络时间预测步骤3.4.2.1 时间序列处置和步骤 1)设X是样本点的顺序数字，Y是X对应点上的值。序列中共有n个点，X的值取0，1，n-1，每个XI都有一个Yi 与之对应。 2)设时间序列中。线性趋向的直线方程为 y=mx+b 3)去除时间序列中的线性趋向，从每一个点中减去上述直线的影响4)用 计算的时间序列值去

7、训练网络。5)将去除趋向的网络预测值转换为原时间序列的值，用下式计算3.4.2.2 神经网络训练方法及步骤 给输入层单元到隐含层单元的衔接权值w1ij,i=1,2,s1,j=1,2n，隐含层单元到输出层单元衔接权值w2mi,m =1,2s2，i=1,2,s1,隐含层阀值单元 ,输出层的阀值 ，并赋予权值、阀值-1，+1区间的随机值。BP网络的输入向前传播1将样本值P输入，经过衔接权值w1ij送到隐含层，产生隐含层单元的激活值式中i,j同上，f1函数为对数s形函数，即2计算输出层单元激活值令 式中f函数本文取饱和线性函数 2BP网络的反向传播 定义误差函数为： 输出层的权值变化 同理可得 输出层的权值变化 同理可得 3反向传播的一个主要问题是需求较长时间，为了加快网络的学习速度,采用动量BP算法，参与动量系数,修正权值和阀值为3.4.3 BP神经网络的民航平安预测中的运用 根据相关资料提供了1973-2003年