探索基于mgm(1，n)的船舶交通事故预测研究

《探索基于mgm(1，n)的船舶交通事故预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连海事大学硕士学位论文基于MGM（1，n）的船舶交通事故预测研究姓名：陈娟娟申请学位级别：硕士专业：交通信息工程及控制指导教师：关政军20090601中文摘要摘要本文首先从人、船舶、环境、管理等方面对船舶交通事故的相关影响因素进行分析，在查阅了大量资料，分析并总结前人的相关研究，在前人通过专家调查法，事故树法等一系列定性分析结果的基础上初步确定了相对重要的船舶事故影响因素指标，并用灰色关联分析方法对事故影响因素指标进行进-二步的定量分析和筛选，由于普通灰色关联分析方法具有关联度差异不明显的缺陷，本文使用改进的灰色关联分析方法克服了该缺点，最终得到了与船舶交通事故关联度较

2、高的影响因素指标体系，为事故预测模型的建立奠定基础。由于船舶交通事故是受多种因素影响、制约和协同发展的随机事件，根据船舶交通事故的相关影响因素建立事故预测模型比较符合实际情况。本文在分析了现有的交通事故预测模型的基础上，采用多元灰色预测MGM(1，刀)模型对船舶交通事故进行预测。在实际建模中，由于事故预测实际数据光滑度不够好，为了改善原始数据序列的光滑度，增强原始数据的规律性，弱化其随机性，提高预测精度，采用幂函数变换对原始数据进行处理，然后利用生成数列建立多变量灰色预测模型，运用实际数据对所建模型进行验证，初步得到船舶交通事故的预测结果，为了使模型得到进一步的优化，提高

3、模型的预测精度，最后对预测模型进行残差分析，以残差数列为基础，建立残差GM(1，1)模型，对原预测值进行残差修正，实现模型优化，进一步提高预测精度，结果表明，所建立的事故预测模型在一定误差范围内揭示了船舶交通事故与相关影响因素的变化规律。关键词：船舶交通事故改进的灰色关联度多元灰色预测残差修正模型英文摘要Abstracthlthispaper，firstlyweanalysistheaffectingfactorsaboutshiptrafficaccidentsincludingpeoplefactors，vesselfactors，environmentfactors

4、，andmanagementfactorsetc；afterreferringalotofinformation，analyzingandsummarizingthepreviousresearch，thispaperconfirmstherelativelyimportantfactorsonthebasisofpreviousqualitativeanalysissuchasexpertinvestigationmethodandaccidenttreemethodandSOon，thenusethegreyrelationalmethodstodoafurtherq

5、uantitativeanalysisandselection，becausetheordinarygrayrelationalmethodhastheflawofinterrelatednessdifferencenotobvious，thisarticleusedtheimprovementgreyrelationalanalysismethodtoovercomethisshortcoming，finallygetthemorerelativefactorssystemconcemingtheshiptrafficaccidents，whichpavethewayf

6、orestablishingthemodelofaccidentsforecast．Becausetheshiptrafficaccidentsaretherandomthingswhichareaffected，constrainedandthejointlydevelopedfactors，SOestablishingthetrafficaccidentsmodelaccordingtothefactorsconformstotheactualsituationrelatively．SOafteranalyzingallthepresentshiptrafficacc

7、identsforecastmodel，thispaperusesmulti—factorgreymodelMGM(1，，1)forpredictingshiptrafficaccident．Modelinginpractice，duetothesmoothnessabouttheaccidentpredictiondateisnotgoodenough，inordertoimprovethesmoothnessabouttheoriginaldatasequence，enhancetheregularityoftheorig