期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
改进的灰色马尔科夫模型在飞行事故率预测中的应用 被引量:33
1
作者 李大伟 徐浩军 +1 位作者 刘东亮 薛源 《中国安全科学学报》 CAS CSCD 北大核心 2009年第9期53-57,共5页
基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型;对传统灰色预测模型的背景值和初值的构造存在一定的误差进行改进,并用改进后的新模型对飞行事故率预测的结果与传统的灰色马尔科夫模型进行对比;仿真结果表... 基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型;对传统灰色预测模型的背景值和初值的构造存在一定的误差进行改进,并用改进后的新模型对飞行事故率预测的结果与传统的灰色马尔科夫模型进行对比;仿真结果表明:改进后的灰色马尔科夫模型预测精度有了进一步的提高并验证了算法的有效性。 展开更多
关键词 飞行事故 事故率预测 3次样条插值 GM(1 1)模型 马尔科夫链
在线阅读 下载PDF
基于Volterra级数的航空年事故率预测方法 被引量:3
2
作者 王瑛 郭之俊 +2 位作者 孙贇 李超 董泽磊 《火力与指挥控制》 CSCD 北大核心 2020年第2期115-119,共5页
针对当前航空年事故率传统预测精度不高的问题,从分析混沌特性入手,对事故数据重构相空间,构建了航空年事故率预测的Volterra级数模型。对航空年事故率数据进行预处理,采用0-1混沌特性判定方法判断时序的混沌特性;在混沌时序的基础上,... 针对当前航空年事故率传统预测精度不高的问题,从分析混沌特性入手,对事故数据重构相空间,构建了航空年事故率预测的Volterra级数模型。对航空年事故率数据进行预处理,采用0-1混沌特性判定方法判断时序的混沌特性;在混沌时序的基础上,应用互信息法和假近邻法确定相空间的参数,重构相空间;基于此,构建二阶Volterra自适应预测模型,并采用NLMS算法实时获取模型的最优参数;最后,应用模型对美国空军飞行事故万时率进行预测,能够将相对误差控制在2%以内,优于传统灰色时序组合预测模型,所建的模型反映了航空装备的安全状况。 展开更多
关键词 航空年事故率预测 0-1混沌特性判定 VOLTERRA级数 相空间重构
在线阅读 下载PDF
考虑不规则驾驶行为的城市隧道事故率预测 被引量:2
3
作者 杜蕊 蔡晓禹 谭静 《科学技术与工程》 北大核心 2020年第7期2892-2898,共7页
准确预测交通事故风险概率是实现隧道内交通安全主动管理的先决条件。从交通状态和驾驶员行为2个方面分析影响事故发生的主要因素,提出“不规则行为率”作为特征变量。对特征变量显著性检验,选用Logistic概率模型构造城市隧道事故率预... 准确预测交通事故风险概率是实现隧道内交通安全主动管理的先决条件。从交通状态和驾驶员行为2个方面分析影响事故发生的主要因素,提出“不规则行为率”作为特征变量。对特征变量显著性检验,选用Logistic概率模型构造城市隧道事故率预测模型,并提出利用接受者操作特性曲线寻找阈值的方法。最后基于实测的青岛胶州湾隧道数据进行实例验证,研究结果表明,阈值确定为0.36较为合适,此时基于不规则驾驶行为的事故率预测模型准确度为78.4%,能够较为准确地预测隧道内事故发生的可能性,研究成果可以为智能交通安全发展奠定理论基础。 展开更多
关键词 城市隧道安全 不规则驾驶行为 Logistic概模型 事故率预测
在线阅读 下载PDF
煤与瓦斯突出missForest-EGWO-SVM预测模型 被引量:13
4
作者 邵良杉 詹小凡 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2020年第3期214-218,共5页
针对煤与瓦斯突出预测的数据不完整或缺失问题,提出一种基于miss Forest-EGWO-SVM的煤与瓦斯突出预测模型。以淮南地区的实测数据作为研究样本,采用missForest算法对样本数据进行缺失值填补;为解决SVM算法性能受参数影响大的问题,利用... 针对煤与瓦斯突出预测的数据不完整或缺失问题,提出一种基于miss Forest-EGWO-SVM的煤与瓦斯突出预测模型。以淮南地区的实测数据作为研究样本,采用missForest算法对样本数据进行缺失值填补;为解决SVM算法性能受参数影响大的问题,利用高效灰狼算法(EGWO)对SVM进行参数寻优;完善后的数据集作为EGWO-SVM模型的输入进行实验,与其他模型对比。研究结果表明:采用missForest填补缺失数据,提高了模型的突出事故预测率,EGWO-SVM模型能够有效避免GWO在后期搜索中陷入局部最优,进一步提高了SVM的预测精度。研究结论为缺失数据情况下煤与瓦斯突出预测提供了一种途径。 展开更多
关键词 缺失数据 煤与瓦斯突出 missForest EGWO SVM 事故预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部