搜索
安全事故现状与趋势分析方法研究刘卓军1，柳刚1,2（1.中国科学院数学与系统科学研究院，北京100190；2.中国科学院研究生院，北京，100190）摘要：包括安全生产事故预防、控制在内的安全生产监督管理工作需要客观把握安全生产的现状并准确地判断其总体发展趋势。本文基于我国安全生产事故快报数据，对近年安全生产现状做出季节性等分析，并为短期安全生产形势变化的预测与判断不仅提出了三个可行的ARIMA-BP、ARIMA-RBF以及ARIMA-GRNN非线性组合模型而且进一步基于RBF，对前述三个模型再次进行非线性组合，给出了一种新的双重非线性组合趋势分析方法。实证结果表明，双重非线性组合能够较为精确地预测安全生产事故的发展趋势，可以为安全生产事故的预防、控制和应对提供管理和决策支持。关键词：安全生产；ARIMA模型；BP模型；RBF模型；GRNN模型；非线性组合中图分类号：文献标识码：1引言目前，安全生产仍然是世界各国都必须面对和应对的重大问题。对此，我国坚持“安全第一，预防为主，综合治理”的方针。显然，通过对各类安全生产事故的现状和特征分析有助于认识安全生产事故的规律，通过对安全生产事故发展趋势的准确判断有助于对安全生产事故的预防、控制和应对做出有效的决策。国内外关于安全生产事故研究的报告[1]和文献很多，主要集中在以下方面:(1)某一类安全事故的预测预警，如李书全和窦艳杰(2008)[2]针对建筑安全事故，提出了RS—SVM预测模型；钟铭(2009)[3]采用模糊数据融合算法，对煤矿瓦斯进行预警；(2)安全事故发生的规律分析，主要包括：安全事故的成因分析，安全事故与相关经济指标之间的关系。如吕海燕(2004)[4]对我国工矿企业、消防火灾、交通等进行总量统计分析，提出了相应的事故统计分析指标体系框架；Kopits和Cropper(2005)[5]专门对交通死亡事故与经济增长的关系作了深入研究；任荣森收稿日期：修订日期：基金项目：国家科技支撑计划课题《消费品质量安全影响因子研究及标准研制》(2006BAK04A23)作者简介：刘卓军(1958-)，男(汉族)，黑龙江人，中国科学院数学与系统科学研究院研究员，研究方向：管理科学与工程.(2009)[6]等人建立了油库的多层递阶解释结构模型(ISM)，将油库安全事故成因分为根本原因、直接原因和间接原因三个层次；(3)对安全生产管理的研究，主要包括：对事故管理绩效的评估、城市生产安全事故应急管理能力评价、安全事故损失的计算、安全事故中的风险管理。如牛跃林等人(2008)[7]建立了城市生产安全事故应急管理能力评价指标体系，为城市的生产安全事故应急体系建设提供决策依据；Karen(2009)[8]和Shi(2009)[9]对煤矿安全事故风险管理及造成的损失从政府、行业规模和运营等方面作了探讨。上述已有研究主要围绕特定行业领域展开，而且主要集中在煤矿、建筑工程、交通安全生产事故。固然，安全事故规律需要分不同行业领域进行研究，但也需要整体认识和把握，这样才能制定更科学更完善的国家安全生产战略规划。基于此，本文重点针对安全生产事故的起数及其造成的死亡人数开展方法建模和实证研究。首先把安全生产事故按其造成的死亡人数进行分类，具体地将安全生产事故分成10类：死亡i个人的事故为第i类(i=1,2,…,9)，死亡10人及以上的事故为第10类。这样一种分类方式符合国家安全生产按不同伤亡和损失规模做整体统计的原则。因此，相应的分析结果有助于国家安全生产事故预防、控制和应对的监管工作。显然，对不同类型的事故所采用的处置和应对方式以及相应的资源配置也不同。本文对从2001年1月到2008年12月国家安全生产快报包含的1万7千6百多条数据进行了分类型、分时段、分区域的整理分析和比较,特别结合各类安全生产月平均事故量序列的季节指数图，指出了需要重点关注的月份。由于安全生产管理决策离不开预测，而预测的精度又决定了预测结果的可用性和有效性。所以基于时间序列，建立了10类安全生产事故的数量以及安全生产事故总量的ARIMA-BP、ARIMA-RBF以及ARIMA-GRNN非线性组合预测模型，并结合RBF，构建了基于前述三个模型的双重非线性组合预测方法，提高了预测精度。2安全生产事故现状分析根据国家安全生产监督管理总局官方网站发布的安全生产事故快报数据，对2001-2008年的安全生产状况进行了分类型、分时段、分区域的整理分析和比较,并结合各类安全生产月平均事故量序列季节指数图，指出了需重点关注的月份。2.1年度状况为了分析全国安全生产事故近年发展趋势及其变化，对2001-2008年间的安全事故进行了整理和10个类别的分类统计。整体年度状况见表1。基于表1，把2001-2008年各类安全生产事故的发生变化趋势制成如下的图1。表12001-2008年各类安全生产事故总量统计图12001-2008年各类安全生产事故每年事故量趋势变化图2.2月度状况采用季节指数对2001-2008年的安全生产事故进行月度趋势分析。假设观测值序列的数据结构以C期为一个周期，共有T个周期，本文中C=12,T=8。用jkXi表示第i类生产事故200j年第k月的事故起数,则第i类事故在第k月的季节指数Tjkj1kTCjhj1h1CXiSXi。如果季节指数值大于1，那么第i类事故该月的事故平均值高于其总的事故平均值；如果季节指数值小于1，那么第i类事故该月的事故平均值低于其总的事故平均值。各类事故的季节指数图汇总在下面的图2。事故起数年份死亡1人死亡2人死亡3人死亡4人死亡5人死亡6人死亡7人死亡8人死亡9人死亡10人及以上合计2001年53311120912398523733259013112002年14452304122001218740452710927162003年17932655472271418151463211332962004年13821976402841599659341811729862005年13391697202961829745342212630302006年134227312581521195549199416332007年34762283142915546327814962008年4456721512366552925881176合计66331002458818861118689397316200815图22001-2008年各类安全事故月平均事故量序列季节指数图从季节指数上看，第1类至第5类事故每年的8月份是事故高发期，需要加强监管。特别地，第1类和第5类每年的7月份也需要高度关注。第6类至第10类事故呈现与前面5类不同的特点，第6类需要加强监管的月份是每年的2月、5月和10月；第7类需要加强监管的月份是每年的1月、2月和8月；第8类需要加强监管的月份是每年的1月、4月和7月；第9类需要加强监管的月份是每年的4月、5月和10月；第10类需要加强监管的月份是每年的3月、8月和11月。2.3区域安全生产事故状况为了掌握不同地区安全生产事故的情况，通过数据分析整理，给出了2001-2008年各类安全生产事故在全国各地区的分布情况，见表2:表2我国31个省市区2001-2008年各季度安全生产事故平均总量统计表需要说明的是，对于一个地区的安全生产状况的分析除关注事故量和死亡人数外，还要与地区的地理环境、经济规模、产业情况及人口数量等因素结合起来进行关联分析。3各类安全生产事故总量预测第2节从不同角度分析和考察了2001-2008年的安全生产事故现状，本节基于时间序列模型及神经网络，通过三阶段方式给出了双重非线性组合预测方法。安全生产事故量随着时间的变化而变化，由于ARIMA模型在各类安全生产事故量预测过程中省市区第一季度第二季度第三季度第四季度01北京市4.0006.3756.0004.75002天津市0.7501.2501.3751.25003上海市1.1252.3752.1252.37504重庆市42.87544.87551.12543.50005四川省71.62574.87584.87583.25006黑龙江省13.87515.00025.75019.12507吉林省12.87515.75018.25018.75008辽宁省9.75014.00020.62514.37509河北省16.50025.50020.5019.62510山西省11.62514.25017.12514.50011山东省7.87511.37512.87512.75012陕西省24.37526.87532.87529.50013河南省10.12513.75014.5007.62514湖北省10.50010.1258.3757.62515湖南省41.87548.50061.00047.00016江西省4.5008.0009.5006.37517安徽省19.25021.87521.75021.62518江苏省6.6257.3755.8757.87519浙江省12.75012.00010.50017.00020福建省21.00019.87523.12517.50021广东省22.75022.12516.00015.75022海南省2.37502.0001.6251.87523贵州省36.62542.37559.75049.87524云南省24.25025.75022.00021.00025甘肃省15.25018.50021.87521.00026青海省2.2502.0001.3751.87527广西壮族自治区14.8758.87514.37518.12528内蒙古自治区7.8758.87510.759.37529宁夏回族自治区2.8755.5004.0005.37530新疆维吾尔自治区5.8756.87513.00010.87531西藏自治区4.6253.6258.1257.125既考虑了这些数量在时间序列上的相关性，又考虑了随机变化的干扰性，对短期趋势预测具有较高的准确率。所以，第一阶段对各类安全生产事故量采用ARIMA建模。因为安全生产事故涉及多种复杂的影响因素，应用单一的预测方法难于满足预测的有效性，所以有必要采用多个预测方法进行组合预测，综合利用各种预测方法提供的信息，以便减少预测误差而获得更好的预测结果。Bates[10]和Clemen[11]都曾提出，可以将各种单一的预测结果进行组合得到一种组合预测结果，以达到改善预测效果的目的。20世纪90年代初，Granger和Terasvirta[12]等人研究发现，借助非线性函数关系的非线性组合预测比线性组合预测所得的结果误差要小。又由于非线性函数关系确定非常困难，而用神经网络来实现这种非线性函数映射相对容易并且神经网络具有自组织、自学习能力、非线性逼近能力强的特点。所以，第二阶段在第一阶段结论的基础上应用神经网络技术构建了三种可行的安全生产事故量非线性组合预测模型。最后，第三阶段在第二阶段基础上给出了双重非线性组合预测方法。对以下各阶段得出的预测模型，我们都利用2001年到2009年9月的安全生产事故快报数据作为已知信息，对2009年10月和11月的情况做出预测，并与实际值做出比较以验证模型的精度。3.1第一阶段预测3.1.1ARIMA模型[13]ARIMA模型又叫Box–Jenkins法，是以美国统计学家GeorgeE.P.Box和英国统计学家GwilymM.Jenkins命名的时间序列分析方法。其结构如下：2()()()0,(),()0,()0,dtttttsstBBEVarEstEst简记为ARIMA(,,pdq)。当在d阶差分后又作了步长为L的周期差分，则此时模型结构为：()()dLttBB。式中，B为后移算子，1()ddB；11()ppBBB；11()qqBBB；其中，1,,p，1,,q是需要估计的自回归系数和滑动平均系数，0p，0q