导读:本文包含了事故预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:事故,模型,交通事故,征候,天气,分度,神经网络。
事故预测论文文献综述
迟佳欣,贺玉龙,刘磊[1]（2019）在《冰雪天气下基于道路交通冲突的事故预测研究》一文中研究指出恶劣天气条件下对道路事故预测的合理性是有效安全措施提出的保障。文中以恶劣天气条件下的冰雪天气为研究对象,选取TTC作为交通冲突的判定指标。基于调查的交通量及交通冲突数据,借助SPSS运用回归分析方法建立交通冲突预测模型,并根据事故与交通冲突的关系建立二者之间的关系模型,最终实现交通事故的合理预测。结果发现,交通冲突数和事故数随着交通量的增加而增加,增长接近到道路能力时,交通冲突数和事故数趋于稳定,不再增加。(本文来源于《交通科技与经济》期刊2019年06期）
佘兢克,薛时雨,孙培伟,曹桦松[2]（2019）在《基于深度学习的核电站事故预测及故障诊断方法》一文中研究指出一种基于深度学习方法的长短期记忆(Long Short-Term Memory,LSTM)模型被用来预测核电站异常工况,以有效解决核电安全系统中工况参数预测的问题。该模型利用LSTM对于长时间序列数据处理的优势,关注异常工况中核心参数的预测。根据异常工况的预测需要,LSTM模型预测功能的训练通过历史运行数据集和滚动更新方法(Rolling Update,RU)完成,并且通过测试数据集进行了实验验证。实验结果表明,此模型能够在事故工况下有效地预测核心参数变化趋势,损失值可低至3.7×10-6。同时在小型失水事故(LOCA)的模拟工况预测中,LSTM模型能够对存在差异的同一类事故做出准确的工况走势预测,展现了其对于同类型事故工况的良好适应性。与传统数理统计方法和传统RNN方法的对比结果证明,基于LSTM的深度学习方法能够有效提升异常工况预测的准确度和时效性。(本文来源于《仪器仪表用户》期刊2019年12期）
何珂,杨顺新,郜勇刚[3]（2019）在《基于PCA-RF组合模型的隧道交通事故持续时间预测》一文中研究指出使用主成分分析(PCA)和随机森林(RF)组合模型对高速公路隧道交通事故持续时间进行预测。主成分分析用来提高随机森林模型的精度与效率。此外,通过调节2个模型参数,包括决策树数目和最大树深度来提高模型精度和避免模型过拟合。参数优化的结果表明,建模时决策树数目取150、最大树深度取10可降低模型的泛化误差。用以建模的数据包括了山西省的所有高速公路隧道自2012—2017年内的2 115起事故数据。每起事故数据包括16个变量,包括隧道类型,事故发生位置类型,事故类型等。结果表明,PCA-RF组合模型的平均绝对误差为12.80 min,误差20 min以内的准确率为89.15%,取得了良好的预测效果。并且,PCA-RF组合模型的精度高于RF模型,说明PCA-RF组合模型能够提高事故持续时间预测的精度。且PCA能够降低数据维度,提高算法的效率。与人工神经网络模型的结果表明,PCA-RF组合模型预测结果精度高且其模型更简单、效率更高。(本文来源于《交通信息与安全》期刊2019年05期）
孙瑞山,张贯超,高路平[4]（2019）在《民航事故征候的改进关联度分析和叁角模糊数预测模型》一文中研究指出民航事故征候的分析和预测是民航安全研究的重要内容,其目的是掌握事故征候各影响因素的影响程度和发展趋势,以此提出相应的安全措施,降低民航事故率。首先通过将灰色关联分析法与权重层次分析理论相结合,对民航事故征候及其影响因素做改进灰色关联度分析,发现机组失误为事故征候的关键原因因素,其后依次为机械原因、天气原因、地面保障、维修差错和空管原因;再运用叁角模糊数预测模型对2006—2010年机组失误导致事故征候的统计数据进行分析,得出2011—2015年机组失误导致事故征候的预测区间分别为(20. 186 5,25. 158 4)、(20. 186 9,35. 842 3)、(25. 158 4,53. 934 2)、(35. 842 3,81. 036 1)和(36. 050 0,89. 985 2);最后进行了配对t检验,结果显示,机组失误导致事故征候数的样本中心值与预测中心值无显着性差异;将预测区间与实际数据进行对比分析,发现实际数据绝大多数在预测区间内,该模型满足实际要求,精度较高,可为民航灾害预警工作提供一种科学实用的预测方法。预测区间趋势表明,机组失误导致的事故征候数随着时间推移相应增加。因此,在后续的民航安全管理中要重视机组管理工作,采取有效措施预防机组行为失误,从而达到减少事故征候、提高安全水平的目的。研究表明,该预测模型虽然可作为长期预测模型,但真正具有实际意义、精度较高的预测结果仅是近两年的数据,而其他更往后的数据只能反映一种趋势。要实现更加长远、准确的预测,还需对预测模型的算法做进一步改进。(本文来源于《安全与环境学报》期刊2019年05期）
约翰·F·墨菲,吉姆·康纳,孙洪[5]（2019）在《小心黑天鹅——风险分析在预测罕见过程安全事故极端影响上的局限性》一文中研究指出在16世纪的伦敦,黑天鹅被用来描述不可能的事物,因为到那时为止天鹅的所有历史资料都记录了天鹅只有白色羽毛。希腊哲学家亚里士多德首先用"白天鹅"这个词作为必要关系的例子,用"黑天鹅"这个词来表示不可能发生的事情。纳西姆·尼古拉斯·塔勒布(Nassim Nicholas Taleb)在近年出版的名为《黑天鹅,极不可能的(本文来源于《现代职业安全》期刊2019年09期）
贾丽,武晓敏[6]（2019）在《强化关键能力培养的课程设计与评价机制研究——以高职安全专业课程《事故预测预防技术》为例》一文中研究指出本文基于高职安全专业学生关键能力的调查报告,在关键能力和岗位能力融合的基础上,以《事故预测预防技术》课程为例,通过混合式课程设计,创设以"教学任务为主线、学生为中心、教师为主导"的教学结构,在培养学生岗位能力的同时,有效融合关键能力的培养,多元的评价机制有效促进了目标的达成。本文期望该研究为促进学生的自我成长和可持续发展,为教学质量的提升提供参考。(本文来源于《重庆城市管理职业学院学报》期刊2019年03期）
王蕾,邱锋,夏永旭,韩兴博[7]（2019）在《基于道路环境因素的公路隧道交通事故预测》一文中研究指出为提高公路隧道交通事故预测准确率,以西汉高速秦岭某隧道群的496起交通事故作为研究对象,对影响公路隧道交通事故预测的道路环境因素进行相关性分析,针对不同预测类别选定具有显着影响的主要变量,通过贝叶斯模型、随机森林模型、BP神经网络模型和支持向量机模型分别对公路隧道交通事故形态、严重程度、伤亡情况和持续时间进行预测,根据准确率和稳定性确定出最优预测模型。研究结果表明:1)随机森林模型在预测公路隧道交通事故形态时最为可靠,准确率约为84%; 2)在对公路隧道交通事故严重程度和伤亡情况进行预测时可优先考虑贝叶斯模型,其对重大或特大事故的预测准确率高达50%; 3)选择随机森林模型作为公路隧道交通事故持续时间的预测模型,绝对误差为20 min时模型准确率将超过70%。(本文来源于《隧道建设(中英文)》期刊2019年08期）
王小洁[8]（2019）在《基于回声状态网络的船舶交通事故预测》一文中研究指出船舶交通事故的预测结果对船舶交通智能管理具有指导性意义,针对当前船舶交通事故的预测误差大,建模过程耗费时间长等难题,设计基于回声状态网络的船舶交通事故预测模型。首先对当前船舶交通事故预测研究现状进行分析,指出各种船舶交通事故预测建模方法的局限性,然后收集大量的船舶交通事故历史数据,并进行一定预处理,构建船舶交通事故预测样本数据,然后通过回声状态网络的学习建立船舶交通事故预测模型,并采用具体船舶交通事故预测仿真实例分析其性能,回声状态网络的船舶交通事故预测精度超过95%,预测结果十分稳定,缩短了船舶交通事故预测建模过程耗费的时间,是一种高精度、速度快的船舶交通事故预测方法。(本文来源于《舰船科学技术》期刊2019年16期）
孙潞忠,李建斌[9]（2019）在《浅谈矿井运输事故预测管理模式》一文中研究指出矿井运输事故的发生率一直居高不下,对于矿工的人身安全以及煤炭行业的稳定发展具有消极影响。文章就矿井运输事故多发的原因以及措施进行概括和分析,认为当前对于矿井运输事故的预防措施虽然取得了明显的效果,但是仍然以被动预防为主,不能从根本上减少事故的发生,为提高矿井运输的生产安全,提出矿井运输事故预测管理模式,化被动预防为主动预测,进一步减少煤矿运输事故的发生。(本文来源于《煤》期刊2019年08期）
田静静,贺玉龙,曲桂娴,周娟[10]（2019）在《基于粗糙集-AHP-BP神经网络预测事故概率》一文中研究指出车辆运行受多种风险因素共同作用,通过对G4京港澳(K1510—K1841)事故数据分析,建立风险因素体系,并利用粗糙集、事故危险度对风险因素实现重要性度量,利用AHP分析法确定风险因素权重,并通过BP神经网络实现不同风险条件下事故概率预测,实验证明,AHP-BP神经网络是预测风险条件下事故概率的有效模型。(本文来源于《交通科技与经济》期刊2019年04期）
事故预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
一种基于深度学习方法的长短期记忆(Long Short-Term Memory,LSTM)模型被用来预测核电站异常工况,以有效解决核电安全系统中工况参数预测的问题。该模型利用LSTM对于长时间序列数据处理的优势,关注异常工况中核心参数的预测。根据异常工况的预测需要,LSTM模型预测功能的训练通过历史运行数据集和滚动更新方法(Rolling Update,RU)完成,并且通过测试数据集进行了实验验证。实验结果表明,此模型能够在事故工况下有效地预测核心参数变化趋势,损失值可低至3.7×10-6。同时在小型失水事故(LOCA)的模拟工况预测中,LSTM模型能够对存在差异的同一类事故做出准确的工况走势预测,展现了其对于同类型事故工况的良好适应性。与传统数理统计方法和传统RNN方法的对比结果证明,基于LSTM的深度学习方法能够有效提升异常工况预测的准确度和时效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
事故预测论文参考文献
[1].迟佳欣,贺玉龙,刘磊.冰雪天气下基于道路交通冲突的事故预测研究[J].交通科技与经济.2019
[2].佘兢克,薛时雨,孙培伟,曹桦松.基于深度学习的核电站事故预测及故障诊断方法[J].仪器仪表用户.2019
[3].何珂,杨顺新,郜勇刚.基于PCA-RF组合模型的隧道交通事故持续时间预测[J].交通信息与安全.2019
[4].孙瑞山,张贯超,高路平.民航事故征候的改进关联度分析和叁角模糊数预测模型[J].安全与环境学报.2019
[5].约翰·F·墨菲,吉姆·康纳,孙洪.小心黑天鹅——风险分析在预测罕见过程安全事故极端影响上的局限性[J].现代职业安全.2019
[6].贾丽,武晓敏.强化关键能力培养的课程设计与评价机制研究——以高职安全专业课程《事故预测预防技术》为例[J].重庆城市管理职业学院学报.2019
[7].王蕾,邱锋,夏永旭,韩兴博.基于道路环境因素的公路隧道交通事故预测[J].隧道建设(中英文).2019
[8].王小洁.基于回声状态网络的船舶交通事故预测[J].舰船科学技术.2019
[9].孙潞忠,李建斌.浅谈矿井运输事故预测管理模式[J].煤.2019
[10].田静静,贺玉龙,曲桂娴,周娟.基于粗糙集-AHP-BP神经网络预测事故概率[J].交通科技与经济.2019
论文知识图
