不同周期视域下安徽省煤矿事故统计分析与预测

发布时间：2017-09-10 00:40

  本文关键词：不同周期视域下安徽省煤矿事故统计分析与预测

  更多相关文章： 煤矿事故 加权线性回归 加权最小二乘法 时间序列 预测

【摘要】：以安徽省2000年至2015年发生的139起煤矿事故案例死亡人数为数据样本,对比分析不同周期、不同季度安徽省煤矿企业事故特征。考虑到安全的系统属性,近期预测较远期预测更具有真实性,且不同周期数据的权重值也应有所迥异。据此,以季度为分类点,运用加权线性回归模型建立四个季度的回归模型,然后整合成一个加权线性回归模型组,模拟测度2016—2017年各季度煤矿事故死亡状况,并同一般的时间序列预测进行差异对比。结果表明:第四季度的煤矿事故发生率和死亡人数较其他三个季度高;加权线性回归模型组的显著水平及拟合程度明显高于时间序列。
【作者单位】： 安徽理工大学经济与管理学院;安徽理工大学电气与信息工程学院;
【关键词】： 煤矿事故 加权线性回归 加权最小二乘法 时间序列 预测
【基金】：国家自然科学基金(51574010,51474007) 全国统计科学研究项目(2015LZ21) 安徽省高校人文社科研究重大项目(SK2014ZD024) 安徽省社会科学创新发展研究课题攻关项目(2016CX068)
【分类号】：TD77
【正文快照】： 一、引言随着国家安全生产监督力度和深度的不断加大,我国煤矿百万吨死亡率由2000年的5.86降低到2015年的0.159,煤炭产出量也同时由12.99亿吨增加至37.50亿吨。总体来说,我国煤矿企业安全运行状况愈来愈好。安徽省煤矿企业事故起数、死亡人数以及受伤人员数量等指标同比、环比

【相似文献】

中国期刊全文数据库 前10条

1 王启鹏;;数据时间序列的指数函数法预测[J];鞍山钢铁学院学报;1990年03期

2 徐希宝;邓育民;段方振;楼鑫;;船摇数据的时间序列模型处理[J];重庆科技学院学报(自然科学版);2013年04期

3 刘威;邵良杉;;基于变换的时间序列相似性分析[J];辽宁工程技术大学学报;2007年S2期

4 袁景侠,杨有君,门晓波;机床加工精度的时间序列预报控制[J];大连工学院学报;1986年03期

5 赵玉新;;时间序列在燃油分析及预测中的应用[J];科技和产业;2013年09期

6 杨蕊;王龙;余航;沈立群;田琳;;昆明历史洪涝灾害时间序列分形特征研究[J];安徽农业科学;2012年07期

7 陆杰;刘付程;李廷友;;连云港市大气污染物时间序列的长程相关性分析[J];环境污染与防治;2007年05期

8 毕晓丽,覃德华,葛剑平;NDVI起伏型时间序列模型初探[J];应用与环境生物学报;2004年04期

9 王智勇;;时间序列下同种产品销售预测方法的比较分析[J];昆明冶金高等专科学校学报;2011年05期

10 王文哲;王炳坤;;基于时间序列低碳经济发展的协调性分析[J];资源与产业;2013年02期

中国重要会议论文全文数据库 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 史文彬;时间序列的相关性及信息熵分析[D];北京交通大学;2016年

7 原继东;时间序列分类算法研究[D];北京交通大学;2016年

8 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

9 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

10 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

中国硕士学位论文全文数据库 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

，

本文编号：823716