基于灰色关联度的铁路事故预测研究

摘要

安全生产对于铁路运输来说，是第一要务。预防铁路事故的发生，对提高铁路运输效率，提高铁路系统的运输稳定，都具有比较大的意义。研究铁路事故的规律，需要借助于历史数据，深入发掘其中存在的因果关系。从铁路运营指标来说，不管是客运周转量还是货运周转量，我国铁路完成的任务量都是世界前列的，而目前铁路点多、线长、辐射广等特点又决定了发生事故的概率必然增大。铁路运输在漫长的运营过程中，产生了海量的数据，在行车事故方面也有充足的数据可以用于分析研究，对这些数据进行科学研究，可以为决策指挥提供数据支持，对铁路安全稳定运行有着重要的意义。
　　本文以实际数据为基础，量化研究铁路事故的各个方面。首先，对铁路事故的影响因素进行了数据统计分析，便于后续对数据进行挖掘分析，寻找其中存在的显性规律，为后文的研究打下基础。其次，介绍灰色关联度分析的概念，阐述了其基本理论和基本特点，对其计算步骤进行了介绍。然后对不同类型事故的灰色关联度进行了计算，得到事故矩阵，从中分析对铁路事故影响最大的因素。结合关联度分析，对不同类型事故隐患的关联度进行分析，并提出相应的分析结果。再次，介绍组合预测的概念，在组合预测中难点在于加权系数的确定，而组合预测模型的有效性检验要通过误差评价来分析。引入IOWA算子，建立基于IOWA算子的组合预测模型，分析其表达式，列出计算步骤，建立基于灰色关联分析的IOWA算子的组合预测模型。
　　在此基础上，进行铁路事故预测对比分析。选择GM(1，1)模型作为单项预测模型，结合铁路事故真实数据，预测得到七类事故12个月以及虚拟月份的预测值，利用基于IOWA算子的组合预测模型，利用基于灰色关联度的IOWA算子的组合预测模型，分别预测得到七类事故12个月和虚拟月份的数据。将三种预测模型的预测值进行对比分析，并对其误差进行分析，结果显示，基于灰色关联度的IOWA算子组合预测模型得到的结果无论从与实际值的拟合程度，还是从误差精度来看，效果都是最好的，从而证明建立的模型有效，能够用于铁路事故预测，对预防铁路事故重点事项具有一定的指导作用。最后是结论与展望，总结全文观点，对下一步研究提出相应的问题。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状综述

1．2．1 预测方法

1．2．2 安全预警

1．3 主要研究内容和思路

1．3．1 主要研究内容

1．3．2 研究思路

2 铁路事故特点分析

2．1 铁路事故特点基础分析

2．1．1 事故性质

2．1．2 事故分类

2．1．3 时间因素

2．1．4 责任部门

2．1．5 地域分布

2．1．6 天气影响

2．2 铁路事故主要影响因素分析

2．3 本章小结

3 灰色关联分析

3．1 灰色关联分析

3．1．1 基本理论

3．1．2 基本特点

3．1．3 计算步骤

3．2 安全隐患与事故性质灰色关联分析

3．2．1 数据整理

3．2．2 灰色关联度计算

3．2．3 结果分析

3．3 本章小结

4 基于灰色关联度的铁路事故预测

4．1 基本理论

4．1．1 组合预测的概念

4．1．2 加权系数计算

4．1．3 误差评价

4．2 基于IOWA算子的组合预测模型

4．2．1 基本概念

4．2．2 建立模型

4．3 基于灰色关联度的IOWA算子组合预测模型

4．4 本章小结

5 基于灰色关联度的西铁局铁路事故预测

5．1 灰色GM(1，1)单项预测

5．2 基于IOWA算子的组合预测

5．3 基于灰色关联度的IOWA算子组合预测

5．4 对比分析与模型评价

5．4．1 预测值对比

5．4．2 误差分析

5．5 本章小结

结论

致谢

参考文献

攻读学位期间的研究成果