事故预测理论与方法

　　事故预测，是现代安全管理的重要组成部分。全面、系统地讲解了事故预测的理论和方法，论述了事故预测的研究现状和理论趋势，总结了事故预测中最常用的六种方法：回归预测法、时间预测法、马尔可夫链状预测法、灰色预测法、贝叶斯网络预测法和神经网络预测法，并对这些方法进行分析和比较。每一章大致包括以下四个内容：（1）方法的简介、预测原理及其在事故预测中的应用综述；（2）基本知识、建模方法和模型检验；（3）扩展模型；（4）该方法用于事故预测的实例。《事故预测理论与方法》不仅可以为学者提供研究参考，而且可以作为研究生和本科生的专业教材，同时还可以作为安全管理从业人员的指导书。

　　郑小平：教授、博士生导师，新世纪优秀人才。

第1章　绪论
　1.1　事故
　　1.1.1　事故的定义
　　1.1.2　事故的指标
　　1.1.3　事故的特征
　1.2　事故预测
　　1.2.1　预测原理
　　1.2.2　事故预测过程
　1.3　事故预测方法
　　1.3.1 回归预测法
　　1.3.2　时间序列预测法
　　1.3.3　马尔可夫预测法
　　1.3.4　灰色预测法
　　1.3.5　贝叶斯网络预测法
　　1.3.6　神经网络预测法
第2章　回归预测法
　2.1　概述
　　2.1.1　回归分析概述
　　2.1.2　回归预测法概述
　　2.1.3　回归分析的事故预测概述
　2.2　一元回归模型
　　2.2.1　线性化
　　2.2.2　参数估计
　　2.2.3　模型检验
　　2.2.4　预测模型
　2.3　多元回归模型
　　2.3.1　参数估计
　　2.3.2　模型检验
　　2.3.3 自变量选择
　　2.3.4　预测模型
　　2.3.5　事故预测举例
　2.4　线性回归注意的问题
　　2.4.1　残差分析
　　2.4.2　异方差问题
　　2.4.3　自相关问题
2.5　离散预测模型
　　2.5.1　泊松回归模型
　　2.5.2　负二项回归模型
　　2.5.3　logit模型
2.6　事故预测实例
第3章　时间序列预测法
　3.1　概述
　　3.1.1　时间序列简介
　　3.1.2　时间序列预测法概述
　　3.1.3　事故预测的时间序列预测法
　3.2　基础知识
　　3.2.1　基本概念
　　3.2.2　平稳性和可逆性
　　3.2.3　滑动平均过程（moving average processes）
　　3.2.4 自回归模型（autoregressive model）
　　3.2.5 自回归滑动平均模型（autoregressive moving average model）
　3.3　ARMA建模
　　3.3.1　模型的识别和定阶
　　3.3.2　模型的参数估计
　　3.3.3　模型的检验
　　3.3.4　模型的预测
3.4　ARIMA建模
　　3.4.1　平稳性的检验
　　3.4.2　非平稳数据的处理
　　3.4.3　ARIMA模型
　　3.4.4　ARIMA建模
　　3.4.5　ARIMA季节模型
3.5　指数平滑模型
　　……
第4章　马尔可夫链预测法
第5章　灰色预测法
第6章　贝尔斯网络预测法
第7章　神经网络预测法
第8章　组合预测
参考文献