基于ARIMA与灰色马尔科夫模型的三亚市交通客流量预测研究

为了较为全面、客观、准确地预测城市的交通客流量,对三亚市旅游统计数据2012-2017年每月的交通客流数据进行分析,在数据整理的基础上,主要采用ARIMA模型和灰色马尔科夫模型对2012-01—2017-12月三亚的交通流量分别进行拟合仿真,并对2018年每月的客流进行了趋势外推预测;结果表明:采用ARIMA预测模型所获得的平均绝对百分误差为4. 42%,采用灰色马尔科夫模型获得的平均绝对百分误差为3. 78%,表明两种预测具有较高的精度;最后利用灰色马尔科夫模型进行趋势外推预测,得出三亚市2018年交通客流预计近3 600万,预测结果对三亚市旅游、交通等行业制定政策能起到积极的作用。     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

地震中城市消防调度决策的研究

中国是地震发生频繁且灾害严重的国家,火灾是地震灾害的重要次生灾害,震后对火灾的及时扑救对减少人民生命财产损失具有重要意义.为降低震后火灾造成的损失,通过对城市地震火灾的特点所进行的分析,总结了与火灾扑救相关的建筑物、道路、桥梁、给水系统等的灾害预测规律,提出了地震灾害下的消防调度决策方法和实施步骤,并建立了基于多起点最短路径计算和考虑道路通行概率的消防调度决策模型.该模型对加快应急救援速度、提高城市的整体救灾能力,具有重要的现实意义.     

基于环形拓扑自适应差分进化算法优化神经网络的压气机流量特性预测

为提升轮机模拟器中柴油机非额定工况下的仿真精度,提出一种基于有限数据的混合方法来预测多工况下的压气机流量特性.该方法采用一种基于环形拓扑差分进化算法来优化三层前馈神经网络参数,利用有限的给定工况下的流量特性数据,预测压气机流量特性曲线.采用神经网络来拟合压气机流量特性的非线性映射关系,利用差分进化算法优化调整神经网络的连接权重、连接偏置、连接开关等难以调整的重要参数.仿真结果表明,基于有限数据的方法可较好地拟合船舶压气机流量特性,采用环形拓扑的自适应差分进化算法优化调整神经网络的重要参数具有一定的有效性.本文提出的混合方法具有更好的泛化能力和搜索精度,可作为处理类似预测问题的有效手段.     

一种城市火灾损失预测评估方法

按照提出的基于宏观经济指标(国民生产总值GDP和人口资料)进行火灾损失预测评估的方法和根据河北省1980-1997年间发生火灾的资料分析而建立的GDP火灾损失率与火灾风险指数的统计关系,通过把研究对象以50 m×50 m为单位划分网格,并根据网格格点的人口和研究对象的人均GDP值计算得到单元格点的GDP值,进而根据GDP火灾损失率和火灾风险指数的关系与火灾发生概率得到研究对象预测的火灾损失估值。提出的方法采用易于更新和获取的社会经济数据作为火灾损失的分析基础,可方便地用于没有详细的各类设施分类数据的区域进行火灾损失预测;对于经济发展快速的城市,该方法容易通过社会经济数据的及时搜集和更新得到新的火灾损失预测结果。     

基于ARIMA-EGARCH模型的交通事故问题的研究

为了更好地掌握交通事故的现状和发展趋势,减少交通事故带来的直接损失和人员伤亡,以1990-2017年的全国交通事故发生起数为研究对象,建立ARIMA(0,1,4)模型进行分析和预测.利用方差齐性检验得残差序列方差非齐性,针对该模型的异方差问题,建立了ARIMA-EGARCH(1,1)模型.最后,以2017年的数据做为考核样本来检验模型的精度,并对2018-2019年的数据进行预测.通过与ARIMA(0,1,4)模型的拟合效果对比可以看出:ARIMA-EGARCH模型的预测结果比ARIMA模型精度更高,误差更小,可以对未来交通事故数据进行更好的预测.     

基于GIS对城市危化品火灾的消防能力评估

近年来,危险化学品火灾事故频繁发生,使危险化学品火灾成为城市安全的重大隐患,城市消防能力评估成为城市安全的一项重要内容.本文依据消防站点设置的基本原则,采用GIS(Geographic Information System)的空间分析功能,以山东省聊城市为例,对发生危险化学品火灾后的消防处置能力进行评估,对于保障城市安全具有一定借鉴意义.     

灰色-马尔科夫模型在桥梁运营状况预测中的应用

为了找到一种能够精确有效地预测桥梁运营状况的方法,提出一种基于灰色GM(1,1)理论模型并用马尔科夫链修正的灰色-马尔科夫预测模型.结合河北省某地区的159座桥梁数据对该方法进行应用检验,结果表明:灰色-马尔科夫模型预测数据的平均相对误差为-0.11%,相比灰色GM(1,1)理论模型预测数据的平均相对误差-0.34%,在精度上有了明显的提高,而且灰色-马尔科夫模型预测出的数据更加稳定.利用马尔科夫链优化过的灰色GM(1,1)理论模型预测出2017年至2019年该地区一类桥的数量分别为49座、39座以及34座.由此可知灰色-马尔科夫模型在已知的桥梁定期检查数据基础上可以提供较为精确的预测,相较于灰色GM(1,1)预测模型,该方法具有更高的精度和稳定性.     

变权重组合预测模型在生活垃圾产量预测计算中的应用

以合肥市2000年～2005年城市生活垃圾产量为基础数据,采用变权重组合模型对其进行分析.结果表明,该模型的预测效果优于一元线性回归法、Logarithm Fit法、指数平滑法、灰色GM(1,1)模型等各单项模型.采用该模型对合肥市2006年～2015年的垃圾产量进行了预测.预计到2015年,合肥市生活垃圾产量将达到125 Mt.     

灰色预测理论在火灾损失预测中的应用

简述了灰色理论中灾变预测的特点和其建模过程,并将其应用于湖南省火灾损失预测之中,并利用关联度分析检验了所建火灾损失预测模型的精度,经检验模型的分辨率比较高,同时预测值和原始值的曲线图也反映了这一点,因此模型的预测结果比较可靠,对于消防部门火灾预防有一定帮助.图1,表2,参8.     

城市火灾预测咨询系统

城市火灾预测咨询系统根据灰色系统理论,为城市火灾行为提供科学、可靠分析,进行火灾预测,是有效的城市火灾预防及减灾对策的科学依据．该系统基于地理信息系统（GIS）．做到了良好的动态图型界面和人机对话环境,为政府部门、消防、房管、保险公司提供了科学防火数据．     

快速路交通流运行安全关键参数识别与评估

基于上海市两条快速路采集的事故数据和相应检测器数据,应用随机森林模型对事故发生前5~10min内的交通流数据进行重要变量筛选.利用基于高斯混合模型和最大期望算法的贝叶斯网络(BN)模型对快速路实时交通流事故风险进行建模分析,并对建立的BN模型进行了可转移性测试.结果表明:选取重要变量后建立的BN模型效果优于使用直接检测数据建立的模型,事故预测准确率达到82.78%;可转移性测试中BN模型的事故预测准确率虽有所下降,但整体预测精度和事故预测精度仍都优于利用直接检测数据建立的模型.     

基于随机森林的城市建筑火灾风险等级评估方法

为实现城市建筑火灾风险智能量化评估,并解决消防资源优化配置问题,本文提出一种基于随机森林算法的城市建筑火灾风险等级评估方法。该方法框架由评估模型构建、火灾风险等级确定、特征重要性分析三部分组成,本文首先基于随机森林算法和城市火灾特征数据建立火灾风险分数评估模型,对火灾风险进行数值化评估;然后结合城市火灾防控实际和风险分数,确定地块建筑的火灾风险等级,并挖掘风险等级与建筑物性质之间的关系;在此基础上通过特征重要性算法FI（Feature Importance）,对火灾风险因子进行分析,挖掘出高影响因子的火灾隐患特征,以指导消防管理人员提高消防检查效率。本文以美国迈尔斯堡的历史火灾数据作为实验数据,建立了该城市的火灾风险评估模型,对城市建筑的火灾风险等级进行了量化分析。在上述成果基础上,本文设计开发了交互式消防热点风险地图,以方便相关人员快速确定地块建筑火灾风险,并据此调整消防检查的策略以及人力物力资源的分配。     

综合退化数据与寿命数据的某型电连接器寿命预测方法

针对基于寿命数据的预测方法效率不高的问题,在进行温、湿度双应力加速退化试验的基础上,研究了通过分析加速退化数据而进行寿命预测的途径.为了充分利用所收集的产品寿命数据来提高预测精度,提出了综合退化数据与寿命数据的寿命预测方法.分别使用Wiener过程、逆高斯分布和广义Eyring模型对产品性能的退化数据、少量寿命数据以及产品反应率进行建模,并建立了综合以上信息的可靠性模型.在此基础上,利用Markov Chain Monte Carlo仿真方法得到模型参数的点估计值,通过Bootstrap自助抽样法获得了模型参数的估计区间.结果表明,所提出的综合退化数据与寿命数据的方法可以提高寿命预测精度.     

浅析如何解决市政消防给水不足问题

伴随着城市建设,火灾风险性加大、火灾事故也频繁发生,城市消防供水对有效的预防和降低火灾风险的发生具有重要的意义。本文分析了目前城市消防供水的现状问题,提出了优化城市消防供水建设的策略。     

基于ANP与ArcGIS的城市火灾风险评估

城市火灾风险评估对于降低火灾损失具有重要作用,但建立简便高效的风险评估模型一直是难点与热点问题。本文在充分调查分析西安市临潼区火灾危险度、区域特征性、防灾减灾能力的基础上,建立西安市临潼区火灾风险评估指标体系。选出火灾载荷密度、重大危险源空间分布、重点消防单位面积、消防供水能力等10个评价指标,采用网络层次分析法(analytic network process, ANP)结构运算确定各评价指标的权重。以500 m*500 m的渔网作为评价单元,构建火灾风险评估模型,并利用ArcGIS空间分析功能进行指标量化、评价单元划分、评价模型运算,最终得到西安市临潼区火灾风险评估图。评估结果显示：西安市临潼区火灾风险整体成南高北低的趋势,高风险区域占1.81%,中风险区域占5.82%,次风险区域占16.85%,低风险区域占75.53%,火灾高风险区域主要集中在骊山、斜口、代王、新丰、北田五个街道办。据现场实际调查,这些街道办人口和建筑密集,重大危险源较多,说明所建风险评估模型准确可靠,简便高效,可为火灾孕灾环境类似的其它城市火灾风险评估提供有益借鉴。     

基于乘积季节模型的铁路客运量预测

利用中国铁路客运量2005-2016年的月度数据资料,采用乘积季节模型进行建模,对2017年1-6月进行预测;在Eviews和R软件操作下训练与测试数据,分别得到两种乘积季节模型;结果表明:两种软件下客运量的预测误差率均控制在10%以内,两种模型都能较好地预测铁路客运量未来数据的变化情况;通过比较,Eviews建立乘积季节模型,数据分析思维更加严谨,但操作较为复杂,平均预测误差率为4.59%,预测正确率稍低;R软件利用程辑包中相关分析、参数估计与预测函数等,可直接进行分析与预测,操作较为简便,平均预测误差率为3.36%,数据预测正确率较高;通过利用R软件建立ARIMA(2,1,1)×(1,1,1)12模型,此时模型预测精度较好,为预测未来全国铁路客运量变化提供一定的参考价值。     

基于神经网络的燃气日负荷智能预测方法

为解决城市燃气日负荷具有随机性和不确定性问题,首先分别采用广义回归神经网络(GRNN)、灰色-GRNN和梯度-GRNN对燃气日负荷数据进行预测,通过MATLAB仿真表明,得到的预测误差大部分都在20%以内,说明这3种预测模型总体上是可行的,但预测精度并不是很高;然后针对城市燃气日负荷可能发生的预测模型故障现象,将GRNN、灰色-GRNN和梯度-GRNN的预测数据作为组合预测模型的数据基础,采用广义动态模糊神经网络(GD-FNN)进行智能组合预测,仿真结果表明:GD-FNN的平均预测精度为93.639%,平均每组预测用时为7.668 s,从预测精度上看,组合预测模型的预测精度要明显高于单一预测模型的预测精度,尤其是在预测过程中发生故障现象时更显其优势。     

基于随机森林回归和气象参数的城市空气质量预测模型——以重庆市为例

为有效进行城市空气质量预测、推进城市空气污染防治,弥补传统统计学模型在大数据时代背景下对城市空气质量预测准确率低、容错能力差等问题,提出利用随机森林回归构建城市空气质量预测模型;综合考量污染物浓度、气象参数、时间参数等多方面影响因素,通过网格搜索法调整参数的最优组合,构建基于随机森林回归算法的城市空气质量预测模型;基于重庆市2017-01-01—2020-07-31的指标数据,对重庆市空气质量进行预测分析,结果表明:在模型下训练集与测试集的确定性系数R~2均在99%以上,均方误差D_(MSE)和平均绝对误差D_(MAE)在训练集和测试集上的取值均在可接受范围内,证实模型具有运行速度快、预测误差小、具有较高的预测精度等优点,具备较好的学习能力与泛化能力。     

物业消防管理,任重道远

城市社区消防安全是城市社区建设的基本组成部分,是城市预防火灾的基础,是社会治安防控体系的重要内容.然而,城市社区消防的形势却不容乐观.就拿2004年来说,全国城市社区火灾与2003年相比,呈明显上升趋势,居民家庭火灾起数上升近33个百分点,伤亡人数明显增多,火灾形势十分严峻.因此,加强城市社区消防工作十分重要.而作为社区管理主要力量的物管单位自然也就肩负着重要的消防安全责任.预防火灾、消防设施维护保养、消防安全检查等,已成为物业管理中的重要内容.