最优加权组合模型在水上交通事故预测中的应用

依据水上船舶交通事故数据,在建立GM（1,1）模型和灰色Verhulst模型的基础上,建立了水上船舶交通事故数的最优加权组合模型,并对各模型的预测精度进行了分析比较。结果表明,组合模型比单一模型有更高的预测精度。采用该组合模型是提高水上交通事故预测精度的有效方法。     

基于时间窗口选择和SVR的船舶交通事故率预测

为提高对船舶交通事故率的预测精度,建立基于时间窗口选择和支持向量回归的船舶交通事故率预测模型,该预测模型考虑船舶交通事故的发生具有随机不确定性,以及海事规则生效等导致的船舶交通事故率的变动趋势。在构造船舶交通事故率不确定时间序列的基础上,采用滑动窗口技术对置信区间比较集中的不确定时间序列点进行聚类并分段,选择最接近当前时间的区段作为统计时间窗口,并利用支持向量回归模型对船舶交通事故率进行预测。以英国籍船舶交通事故数据为例,对预测模型进行实例分析。通过与指数平滑法和自回归移动平均模型预测结果的对比验证预测模型的有效性,为船舶交通安全管理者的决策提供指导。     

灰色Verhulst模型在水上交通事故预测中的应用

在分析我国水上交通事故历史数据的基础上,引入灰色Verhulst预测理论.由此建立了水上交通事故Verhulst模型,并分别利用该模型和灰色GM(1,1)模型对我国近几年水上交通事故进行了预测,发现该模型精度高,拟合度更优.该模型可用于对我国水上交通事故的预测.     

绿华山水域水上交通事故特征及风险防范建议

为认识和防范绿华山水域水上交通事故风险,保障水域通航安全,搜集2009―2020年绿华山水域水上交通事故资料,梳理事故主要数据。基于统计资料,采用数理统计方法分析绿华山水域水上交通事故的时间特征、空间特征、构成特征和事故特点,概括主要事故风险并提出风险防范建议。研究过程及结果对于认识和防范绿华山水域水上交通事故风险具有直接作用,对于找出事故发生的规律和事故发生的原因、制订相关法规、加强海事管理等具有支持作用。     

基于博德事故因果连锁理论的内河水上交通事故成因分析

为探求内河水上交通事故发生机理,分析内河水上交通事故发生原因,引入博德的事故因果连锁理论,参照博德理论对于事故的分析方法,对内河水上交通事故发生的原因进行分析,重点分析由于管理而造成的人、船舶、环境的缺陷,并构造内河水上交通事故的因果连锁模型,认为要从根本上减少和控制水上交通事故的发生,交通管理部门和航运企业必须加强管理,排除事故隐患。     

基于GA-SVM模型的水上事故严重程度分类

为降低水上交通事故发生概率,从人、船、环境及事故属性的角度分析不同因素对事故严重程度的影响,提出基于支持向量机的水上事故严重程度分类模型,利用粗糙集理论对水上事故数据进行约简预处理,最后利用样本数据对基于支持向量机的分类模型进行训练和测试。结果表明,该模型的测试精度达到85%,能较好地识别海事事故严重程度。     

长江干线水上交通事故的灰色分析与预测

为减少长江海事局辖区水上交通事故的发生,增强水上交通运输的安全,采用灰色系统理论中的邓氏关联理论和改进的灰色关联理论,对2008—2017年长江海事局辖区水上交通事故统计数据进行关联性分析,定量分析水上交通事故的主要关联因素。将不同灰色关联理论分析的结果进行比较分析,给出一种与定性分析吻合度较高的灰色关联分析方法,提高水上交通事故分析的精确度。对不符合灰色系统建模要求的随机序列,引入实用序列缓冲算子,分别构建均值和加权GM(1,1)预测模型,对长江海事局辖区未来水上交通事故进行预测,并对不同预测模型的预测值和实际值进行比对,给出一种精度达到0.7%的短期预测模型,为改善长江海事局辖区的水上交通安全形势提供参考依据。     

天津水域水上交通事故统计分析和对策研究

文中通过统计分析天津水域九年间水上交通事故资料,探索水域内水上交通事故的发生规律,分析了导致事故频发的人、船、环境、管理各方面的主要原因,并在此基础上对未来水域内事故发展趋势进行了预测。     

苏州市水上交通事故统计分析及事故防控措施研究

本文对苏州市2016～2019年四年期间发生的水上交通事故进行统计分析,从事故发生的时间分布规律、空间分布规律、涉事船舶的所在地等角度分析事故致因,并据此有针对性地提出事故防控的具体措施,为水上交通安全管理提供指导,降低未来事故发生的概率。     

基于乘积ARIMA模型的中日航线CCFI趋势预测

构建乘积ARIMA模型对中日航线CCFI时间序列的波动规律和趋势进行了拟合及预测，并进一步预测了中日航线受季节性、周期性等波动影响的运价数据，并将CCFI实际观测值与乘积ARIMA模型预测值进行了对照，检验结果显示该模型能够较准确地拟合CCFI时间序列的波动规律和发展趋势。     

试验海区水文参数时间序列的多周期重构预测方法

针对水文参数时间序列的预测问题,在多尺度影响因素分析的基础上,提出了一种新的基于多周期重构的预测方法。首先利用小波变换和滑动平均计算对原始时间序列进行若干周期的分解;对分解序列分别进行自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)建模,由模型进行递推预测;再将预测结果反向重构实现对原始序列未来值的预测。运用此方法,对烟台海区某海洋浮标站的温度测量数据进行了分析。分析结果表明,此方法相比直接在原始序列上进行ARIMA建模与预测,预测准确度得到提升,可用于对试验海区水文参数序列的处理,为试验决策提供支撑。     

水上交通事故管理系统设计与实现

采用电子海图技术建立水上交通事故信息系统,已经成为海上交通管理、事故分析的一个先进有效的技术手段。根据事故数据的属性和空间特性,确定基于电子海图的水上交通事故管理系统的内容特点,设计了事故管理系统的功能结构和技术开发流程。该系统能提高海上交通管理效率,预防事故的发生,改善海上交通环境,并提供救助设备的合理配布方案。     

基于外部干预的港口吞吐量预测

为更加准确预测港口吞吐量,以吉大港集装箱吞吐量为研究对象,构建一种灰色预测法修正干预时间序列ARIMA模型。模型以时间序列ARIMA模型分析为基础,识别干预后对干预序列采用灰色预测修正,旨在充分发挥灰色预测处理小样本的优势,提高干预模型预测精度。分析表明,在外部干预的条件下灰色修正时间序列模型预测港口集装箱吞吐量效果良好。模型预测结果为该港改扩建工程提供有力决策依据。     

基于时间序列分析的航道水位预测研究

针对长江中游河段航道水位变化时空特征,本文建立了基于时间序列分析ARIMA模型的短时水位预测模型。结合监利、汉口、安庆水位观测站的逐日平均历史数据(2011-2015年),率定了预测模型的相关参数;检验了水位预测模型对2016年逐日平均水位的预测精度。研究结果表明:模型总体上预测结果与观测值吻合较好,但汛期频繁剧烈的水位波动对精度产生影响;时间序列分析模型结果可为长江航道相关部门的预报工作提供参考。     

船舶交通事故量灰色预测应用研究

船舶交通事故量是评价交通安全状况的重要指标,同时也是衡量交通安全管理水平的重要内容.应用灰色系统理论,建立船舶交通事故的灰色预测模型,并将这一模型应用于我国水上船舶交通事故数量的预测,其预测数据可为水上交通安全管理者提供决策参考.     

ARIMA模型在二手船价格预测中的应用

本文对克拉克松公司提供的巴拿马型(60—100kdwt)散货二手船价格1984—2004年的时间序列数据进行分析,建立相应的ARIMA(p,d,q)模型,对2005—2008年价格进行预测。根据平均绝对误差(MAE)、平均相对误差(MPE)和均方根误差(RMSE)对模型的预测性能进行度量分析。     

基于灰色马尔科夫模型的福建辖区船舶交通事故预测

为保障福建辖区海上交通安全,减少船舶交通事故的发生,促进辖区港航经济发展,对2000—2015年福建辖区内的船舶交通事故进行统计分析,总结辖区内事故发生的特点及规律。运用灰色马尔科夫预测模型对福建辖区内的船舶交通事故进行预测,为福建辖区建立船舶交通预警机制提供一种理论依据。     

基于相对危害度分析的渔船水上事故风险评价

根据渔船水上事故的发生特点及事故统计特性,提出渔船水上事故类型相对危害度的概念,并建立基于相对危害度分析的渔船水上事故风险评价模型,从事故发生频数和后果2方面判断渔业生产系统的安全状况。为衡量事故发生的后果,提出利用相对危害度表示事故后果的严重程度,利用集对理论建立渔船水上事故类型的相对危害度分析模型,并将该模型应用于某省渔船水上事故安全状况分析实例中。结果表明:运用该模型进行渔船水上事故安全评价具有一定的合理性和操作性,便于渔业安全监管人员直观地了解和把握渔业生产安全状况。     

我国水上交通事故调查分析

随着社会的发展,人们对安全和环境保护问题越来越重视,然而水上交通事故仍然时有发生,为了减少类似事故的发生,必须进行水上交通事故调查以找出原因并消除各种不利于水上安全和环保的因素。本文简要地分析了我国水上交通事故调查机制和部分常见的分析方法不足之处,从而提出建议。     

日照海上交通事故分析与应对

伴随着航运业的快速发展，水上交通事故近年来呈上升趋势，为预防和减少事故的发生，对事故进行统计分析已成为水上安全管理最基本、最重要的工作之一。本文旨在通过对近年来发生在日照辖区海上交通事故的分析，找出事故的原因及提出预防和改进船舶进出港安全管理的建议。