事故预测理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

事故预测理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1事故1

事故的定义1

事故的指标2

事故的特征3

1.2事故预测3

预测原理3

事故预测过程3

1.3事故预测方法4

回归预测法5

时间序列预测法6

马尔可夫预测法7

灰色预测法7

贝叶斯网络预测法8

神经网络预测法9

第2章 回归预测法10

2.1概述10

回归分析概述10

回归预测法概述10

回归分析的事故预测概述12

2.2一元回归模型12

线性化13

参数估计14

模型检验18

预测模型22

2.3多元回归模型24

参数估计25

模型检验27

自变量选择29

预测模型35

事故预测举例37

2.4线性回归注意的问题37

残差分析38

异方差问题38

自相关问题41

2.5离散预测模型44

泊松回归模型44

负二项回归模型47

logit模型48

2.6事故预测实例52

第3章 时间序列预测法55

3.1概述55

时间序列简介55

时间序列预测法概述55

事故预测的时间序列预测法57

3.2基础知识57

基本概念57

平稳性和可逆性58

滑动平均过程（moving average processes）59

自回归模型（autoregressive model）60

自回归滑动平均模型（autoregressive moving average model）63

3.3 ARMA建模65

模型的识别和定阶65

模型的参数估计67

模型的检验70

模型的预测71

3.4 ARIMA建模75

平稳性的检验76

非平稳数据的处理80

ARIMA模型80

ARIMA建模83

ARIMA季节模型84

3.5指数平滑模型85

Brown指数平滑模型85

Holt指数平滑法89

Holt-Winters指数平滑法90

3.6预测实例92

ARIMA预测92

指数平滑模型95

第4章 马尔可夫链预测法98

4.1概述98

马尔可夫链简介98

马尔可夫链预测简介98

马尔可夫链事故预测99

4.2马氏链的基础知识99

马氏链的基本概念99

马尔可夫链的状态分类100

平稳分布和遍历性102

隐马尔可夫链104

吸收态马尔可夫链预测模型110

4.3状态空间的划分111

经验分组法111

样本均值均方差分级法112

有序样本聚类法113

基于目标函数的模糊ISODATA聚类分析法116

4.4转移概率的计算和检验119

马氏链转移概率的计算119

马氏性的检验121

齐次性的检验121

4.5马尔可夫链预测法122

传统马氏链预测法及其改进122

高阶马尔可夫链预测124

隐马尔可夫链的预测算法125

4.6预测实例125

第5章 灰色预测法129

5.1概述129

灰色系统理论129

灰色预测简介129

五步建模思想130

灰色事故预测131

5.2基础知识132

灰生成132

灰关联分析134

5.3 GM（1，1）建模135

GM（1，1）模型136

残差修正模型140

灰色灾变预测141

GM（1，1）模型的适用范围144

5.4几种典型的GM模型144

GM（M，N）模型144

GM（1，N）模型145

GM（0，N）模型146

Verhulst模型147

灰色模型的适用场合148

5.5模型的改进149

基于残差修正的改进模型149

基于初始条件和信息更新的改进模型150

基于数据变换的改进模型152

针对内部建模机制的改进模型156

5.6事故预测实例分析158

模型的建立158

模型的检验159

预测结果和分析161

第6章 贝叶斯网络预测法162

6.1概述162

贝叶斯网络简介162

事故预测应用163

贝叶斯网络的概念164

6.2预备知识165

先验概率165

信息论基础167

势函数理论169

6.3贝叶斯网络学习169

参数学习170

结构学习177

6.4贝叶斯网络推理183

变量消元法（VE）183

超树推理法（polytree）187

连接树推理法（junction tree）188

6.5扩展模型192

定性贝叶斯网192

高斯贝叶斯网络195

动态贝叶斯网199

多模块贝叶斯网204

面向对象的贝叶斯网207

第7章 神经网络预测法210

7.1概述210

人工神经网络概述210

神经网络预测概述211

神经网络事故预测概述211

7.2神经网络的基础知识212

人工神经网络的基本结构和模型212

BP神经网络218

RBF神经网络223

神经网络建模的注意问题227

7.3神经网络预测模型229

神经网络趋势预测229

神经网络回归预测231

7.4预测实例233

神经网络趋势预测实例233

神经网络回归预测实例235

第8章 组合预测239

8.1概述239

组合预测法简介239

组合预测的事故预测简介239

预测的评价240

8.2模型组合法241

灰色马尔可夫预测模型241

灰色线性回归预测模型247

ARIMA神经网络混合预测模型250

8.3结果组合法254

非最优组合模型方法254

最优组合预测方法257

神经网络组合法265

参考文献268