特种设备事故预测

摘要：以2006―2015年全国特种设备安全事故起数实际值作为原始数据，经过新维无偏灰色马尔科夫的预测得到其预测值，发现其与无偏灰色预测相比，相对误差平均减少了3.6%。这说明了新维无偏灰色马尔科夫理论预测误差更小，准确度更高。以此方法进行预测2016―2017年特种设备安全事故起数。

关键词：特种设备；安全事故；事故起数预测；新维无偏灰色马尔可夫理论

中图分类号：TB

文献标识码：A

doi：10.19311/ki.1672.3198.2016.28.102

灰色GM（1，1）模型作为传统的灰色预测法中运用频率最高的有偏模型，其应用范围和预测精度都受到一定的限制；马尔科夫理论模型适应于处理随机的且波动较大的数据，缺点是其形成的状态转移矩阵通常非动态的，数据样本没有得到更新，无法有效获取样本的最新变化情况，从而会导致预测精度的降低。

基于以上两种方法的不足和各自的优势，针对特种设备安全事故起数波动性较大的特性，本文将传统的灰色马尔科夫模型所存在的问题进行改进，建立一种新的动态无偏灰色马尔科夫模型。

1 新维无偏灰色模型

首先运用传统的GM（1，1）模型预测出新信息，然后补充到原数据序列中，删除序列中最开始的数据，确保所新组成的序列与原始样本序列的维数相同，然后根据重新组成的样本序列建立无偏灰色模型，这种方法我们称之为等维新信息模型。

2 马尔科夫优化

马尔科夫优化可表示为：X（n）=X（t）Pn-t，其中X（t）是初始时刻t对象所处的状态概率向量，X（n）则为n时刻状态概率向量；P是对象由t时刻所处状态变化为n时刻状态的转移概率矩阵，为运用马尔科夫理论进行优化的重中之重。设n时刻采用上述新维无偏灰色模型得到的预测值为（n）（0），则状态转移概率向量为X（n），通常将研究对象所处的概率最大状态视为发展状态，n时刻的预测结果则为该状态下对应区间的中间值。

3 实例分析

由国家安监总局调度中心统计得到2006年至2015年各年特种设备安全事故发生次数，见表1。

将特种设备各年安全事故起数所处的状态进行统计，得到状态转移概率矩阵。

通过2006年的状态为“正常”计算出2007―2015年预测值，得到新维无偏灰色马尔科夫预测与无偏灰色预测相比，相对误差平均减少3.6%，从而预测准确性提高。

基于此原理对2016年和2017年特种设备事故进行预测，事故预测结果见表2。

4 结论

本文采用新维无偏灰色马尔可夫预测模型，以2015年以前十年的年全国特种设备安全事故起数实际值作为原始数据对今后两年全国特种设备安全事故起数进行预测。同时也可以根据预测的结果在进行长期的预测，这样能够大大的提高预测精度。这对特种设备监管部门和生产使用单位都具有重大的意义。

参考文献

[1]徐建新，杨杰.煤矿百万吨死亡率动态无偏灰色马尔科夫预测[J].中国安全科学学报，2012，（3）：122.127.

[2]李生彪.无偏灰色模糊马尔可夫链预测方法研究及其应用[D].兰州：兰州大学，2013，（1）.

[3]陈宝平.基于新维无偏灰色马尔科夫模型的围栏草场面积的预测[J].数学的实践与认识，2013，（24）：58.63.