基于季节性因素的安全生产分析与预测--以陕西省为例
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景及意义 | 第9页 |
| 1.3 国内外研究进展 | 第9-12页 |
| 1.3.1 国外研究进展 | 第9-10页 |
| 1.3.2 国内研究进展 | 第10-11页 |
| 1.3.3 研究进展评述 | 第11-12页 |
| 1.4 本文主要的研究工作 | 第12-16页 |
| 2 陕西省安全生产形势分析 | 第16-22页 |
| 2.1 陕西省安全生产同经济发展的关系 | 第16-17页 |
| 2.2 陕西省安全生产的行业特征 | 第17-18页 |
| 2.3 陕西省安全生产的区域特征 | 第18-20页 |
| 2.4 安全生产指标的选择 | 第20-22页 |
| 3 预测模型理论 | 第22-34页 |
| 3.1 时间序列 ARIMA 模型 | 第22-27页 |
| 3.1.1 时间序列的含义 | 第22页 |
| 3.1.2 平稳时间序列 | 第22-24页 |
| 3.1.3 ARMA 模型 | 第24-25页 |
| 3.1.4 ARIMA 模型 | 第25-26页 |
| 3.1.5 时间序列预测软件 | 第26-27页 |
| 3.2 BP 人工神经网络模型 | 第27-30页 |
| 3.2.1 人工神经网络的概念 | 第27页 |
| 3.2.2 BP 神经网络的基本原理 | 第27-30页 |
| 3.3 灰色 GM(1,1)模型 | 第30-34页 |
| 3.3.1 灰色建模理论简介 | 第30页 |
| 3.3.2 累加生成方法 | 第30-31页 |
| 3.3.3 GM(1，1)模型 | 第31-34页 |
| 4 安全生产时间序列季节调整 | 第34-44页 |
| 4.1 季节时间序列的特征和表示 | 第34页 |
| 4.2 季节时间序列模型 | 第34-36页 |
| 4.2.1 随机季节模型 | 第34-35页 |
| 4.2.2 乘积季节模型 | 第35-36页 |
| 4.3 季节调整 X-12-ARIMA | 第36-38页 |
| 4.3.1 季节调整的概念 | 第36页 |
| 4.3.2 时间序列的影响因素 | 第36-38页 |
| 4.4 陕西省安全生产时序季节性调整 | 第38-44页 |
| 5 基于季节性因素的事故预测模型——以陕西省为例 | 第44-62页 |
| 5.1 时间序列 ARIMA 模型 | 第44-48页 |
| 5.2 季节灰色模型 | 第48-51页 |
| 5.3 BP 神经网络预测 | 第51-56页 |
| 5.4 组合预测模型 | 第56-59页 |
| 5.5 预测结果分析 | 第59-62页 |
| 6 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 硕士研究生学习阶段发表论文 | 第70页 |
