安全系统预测.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,概述,预测由四部分组成，即预测信息、预测分析、预测技术和预测结果。,1,按预测对象范围划分法,2,按预测时间长短划分法,(1),长,(,远,),期预测,y5,(2),中期预测,5y1,(3),短期预测,y0.6,第9页,注意,:,相关系数,r=l,r=O,时,在大部分情况下，,0|r|1,第10页,3.1.2,一元非线性回归方法,一个非线性回归曲线,指数函数,1,）,第11页,2,）,第12页,某企业,1997,年工伤人数统计数据见表,3-2,，用指数函数进行回归分析。,第13页,解 对 两边取自然对数得：,第14页,第15页,3.2,灰色预测法,3.2.1,灰色预测建模方法,生成序列,第16页,一阶灰色微分方程、,记为,GM,（,1,，,1,）,第17页,最小二乘解：,时间响应方程,离散响应方程,式中,第18页,作累减还原,第19页,3.2.2,预测模型后验差检验,残差均值：,残差方差：,原始数据均值：,第20页,原始数据方差：,后验差比值,c,：,小误差概率,p,：,第21页,第22页,3.2.3 灰色预测示例,已知某企业1990年至1998年千人负伤率见表3-4所列，试用GM（1，1）模型对该企业1999年、两年千人负伤率进行灰色预测，并对拟合精度进行后验差检验。,第23页,解,建立数据矩阵,B,，,第24页,第25页,第26页,进行后验差检验,则,第27页,第28页,例2：民航事故征候万时率灰色预测（选取民航飞行事故征候万时率数据）,第29页,（,1,）由表结构原始数列,x,（,0,），则：,（,2,）对原始数据进行处理,第30页,结构数据矩阵,X,第31页,结构数据向量,Y,第32页,（,3,）建立民航事故征候万时率灰色预测模型,（,4,）民航事故征候万时率误差值计算,第33页,第34页,（,5,）预测精度检验,第35页,（,6,）民航事故征候万时率预测值,第36页,3.3,马尔柯夫预测法,将数据划分为,n,种状态，其状态集合为,E=E,1,，,E,2,，,，,E,n,，则数据序列由,E,i,状态经过,k,步变为,E,j,概率为,其中：为状态,E,i,经,k,步移到,E,j,次数；,N,i,为状态,E,i,出现总次数；深入得到状态转移概率矩阵为：,第37页,0P,ij,1,；,，,i=1,，,2,，,n,。,第38页,一次转移向量 为,二次转移向量,为,第39页,3.3.2,马尔柯夫预测示例,某单位对,1250,名人员进行职业病健康检验时，发觉职员健康分布如表,3-10,所列。,第40页,依据统计资料，前年到去年各种健康人员改变情况以下：,健康人员继续保持健康者剩,70%,，有,20%,变为疑似病状，,10%,人被认定为病，即,假定原有疑似病状者普通不可能恢复为健康者，仍保持原,状者为,80%,，有,20%,被正式认定为病，即：,假定病者普通不可能恢复或返回疑似病状，即,第41页,解 一次转移向量,=,一年后健康者人数 为：,第42页,一年后疑似病状人数 为：,一年后患者人数,为：,第43页,3.5,综合应用,第44页,3.5.1,航空事故征候灰色预测,第45页,3.5.2,航空事故征候马尔可夫预测,针对,GM,（,1,，,1,）模型预报相对误差进行状态划分。因为对航空事故征候进行预测时，状态界限是不确定，在划分状态区间求状态概率转移矩阵时采取时算法。本文选定以,18%,，,8%,，,0,，,8%,，,16%,为界限，将相对差值序列划分为,4,个区间，即状态,1,为（,18%,8%,），状态,2,为（,8%,0,），状态,3,为（,0,8%,），状态,4,为（,8%,16%,），则可得到对应相对误差序列所处状态,第46页,依据状态划分和式（,3-20,）、（,3-21,），可得到航空事故征候各步状态概率转移矩阵为,第47页,第48页,第49页,第50页,例：,设一年中任意相继两天中，雨天转晴天概率为,1/3,，晴天转雨天概率为,1/2,，任一天为晴或者雨是互逆事件，以,0,表示晴天状态，,1,表示雨天状态，假设,10,月,1,日为雨天。,画出系统状态转移图，以及状态转移矩阵。,问,10,月,2,号晴天概率为多少？,到达稳定状态之后，晴天和雨天概率各为多少？,第51页,画出系统状态转移图，以及状态转移矩阵。,晴,(0),雨,(1),第52页,10,月,2,号晴天概率为,晴概率为,1/3,到达稳定状态之后，晴天和雨天概率,解此方程可到达,第53页,设某车间里机器出故障概率为,0.1,，机器能修复正常概率为,0.86,，试求稳定状态下，机器处于正常状态和故障状态概率各为多少,?,第54页,3.4,神经网络预测法,人工神经网络含有强大,非线性映射能力,，还含有,自适应,、,自学习,、,容错性,和,并行处理,等性质。,第55页,3.4.1 BP,神经网络模型介绍,t,3,t,2,输出模式,输入模式,隐含层,隐含神,经元,输出神,经元,输出层,t,m,t,1,p,n,p,13,p,2,p,1,图,3-2 BP,网络模型,第56页,第57页,3.4.2,神经网络时间预测步骤,3.4.2.1,时间序列处理和步骤,1),设,X,是样本点次序数字，,Y,是,X,对应点上值。序列中共有,n,个点，,X,值取,0,，,1,，,，,n-1,，每个,X,I,都有一个,Y,i,与之对应。,2),设时间序列中。线性趋向直线方程为,y=mx+b,第58页,第59页,3),去除时间序列中线性趋向，从每一个点中减去上述直线影响,4),用 计算时间序列值去训练网络。,5),将去除趋向网络预测值转换为原时间序列值，用下式计算,第60页,3.4.2.2,神经网络训练方法及步骤,给输入层单元到隐含层单元连接权值,w,1,ij,i=1,2,s,1,j=1,2,n,，隐含层单元到输出层单元连接权值,w,2,mi,m=1,2,s,2,，,i=1,2,s,1,隐含层阀值单元,输出层阀值 ，并赋予权值、阀值（,-1,，,+1,）区间随机值。,第61页,BP,网络输入向前传输,（,1,）将样本值,P,输入，经过连接权值,w,1,ij,送到隐含层，产生隐含层单元激活值,式中,i,j,同上，,f,1,函数为对数,s,形函数，,即,第62页,第63页,（,2,）计算输出层单元激活值,令 式中,f,函数本文取饱和线性函数,第64页,2,）,BP,网络反向传输,定义误差函数为：,输出层权值改变,同理可得,输出层权值改变,同理可得,第65页,3,）反向传输一个主要问题是需要较长时间，为了加紧网络学习速度,采取动量,BP,算法，加入动量系数,修正权值和阀值为,第66页,3.4.3 BP神经网络民航安全预测中应用,依据相关资料提供了1973-民用航空飞行事故万时率统计数据，,第67页,第68页,在表,3-11,原始数据基础上，依据预测模型格式要求进行数据初始化，生成输入矢量,P,及预测目标值详细数值如表,3-12,所表示。,第69页,第70页,经过屡次,matlab,仿真试验确定网络训练各种参数，详细如表,3-13,所表示。,第71页,第72页,第73页,