企业定量安全管理方法—预测方法

企业定量安全管理方法企业定量安全管理方法 预测方法预测方法 预测方法有定性预测和定量预测两种 定性预测主要是指 各种调查方法 如重点调查 典型调查 抽样调查 专家意见 调查等 定量预测则主要有以下几种 一 时间序列预测法一 时间序列预测法 所谓时间序列就是按时间顺序排列的 反映某种安全现象 发展变化情况的统计数据 在企业安全管理中 我们经常要与 时间序列打交道 如按年度连续排列起来的事故起数 按季度 排列起来的某类事故起数等 时间序列预测法 就是根据时间 序列变动的方向和程度向前延伸来推断下一期或以后若干时期 可能的变化情况的一类预测方法 所以 时间序列预测法也称 趋势外推法或历史延伸法 这是目前安全预测中常用的一类定 量预测方法 目前常用的时间序列预测有以下几种 1 算术移动平均法 这种方法是假设预测值与近几期的实际值有关 而与前几 期或较远期无关 因此可以用最近几个时期的移动平均值作为 下一期的预测值 预测公式是 式中 xt t 期的预测值 x t 期之前各期的实际值 n 所用资料的期数 这种方法的预测误差与所用资料的期数即 n 值有关 一般 说 n 值愈大 预测误差愈大 反之 n 值愈小 预测误差愈小 在实际安全预测中 值的选择 主要取决于预测的目的和 实际数据的特点 如果要求预测值比较精确 n 应取的小一点 可在 3 5 之间 反之 如果想得到事物变化的大致趋势 可 取得大一些 可在 10 30 之间 如果实际数据上下波动不大 n 值也可以取得大一些 这种方法由于侧重考虑了近期实际情况对预测期的影响 因此预测比简单平均法要准确些 但一般也只宜用于短期预测 2 加权移动平均法 简单平均法和移动平均法只利用过去的时间序列值进行预 测 而且算术平均只能假设这些数据对未来值有同等影响 但 是 实际情况是复杂的 由于各种偶然因素 各个时期的数据 对未来发展变化的影响往往不一定是相等的 为了弥补这一缺 点 就产生了加权移动平均法 加权移动平均法是指对整个时间序列进行加权平均进行预 测的一种方法 它的基本原理是以一定的权数来区别每期对未 来发展情 况影响的大小 以便能更正确地反映事物发展变化 的实际 使预测更准确一些 其预测公式是 运用加权移动平均法进行预测 关键在于权数的选择 一 般规律是 对近期数据资料的加权数值较大 远期则较小 至 于大小的程度 完全取决于预测人员对时间序列的全面了解和 分析 因此 权数的确定常常带有经验性 在实际预测中一般 都是采用多算几个不用权数加以比较 择优选定 3 指数平滑法 指数平滑法 也称指数移动平均 指数修匀法 它是一种 简便易行的时间序列预测方法 指数平滑法是在移动平均法的 基础上发展起来的 移动平均法有两个缺点 一是需要大量的 历史理论资料 二是对时间序列中的各期情况对预测期影响大 小程度的问题没有真正解决 指数平滑法由于用的是加权平均 且不需许多历史资料 因此能够弥补上述二个缺陷 其预测公式是 由于最近期的实际资料包含着较多的未来情况信息 对预 测的影响较大 所以必须比远期实际资料给予更大的权数 而 对较远期资料则相应给以递减的权数 如果进行数学推算 指数平滑法实际是选取各时期权数的 数值为递减指数数列的均值办法 即代表各时期权数的数列为 由于权数是 1 a 的指数形式 故称指数平滑法 用指数平滑法进行预测 a 的值将直接影响预测的精度 选取 值最好通过试算来决定 例如 对同一个预测对象 分 别用 a 0 3 0 5 0 7 进行试算 乘哪一个 值修正前期预测值 与实际值的绝对误差小 即可把这个值确定为平滑系数 指数 平滑法的主要优点是要求的历史数据量少 而且预测值可以通 过 值的调整来适应实际值的变化 以减少预测误差 这也是 该法应用普遍的原因 二 因果关系分析预测法二 因果关系分析预测法 因果关系分析预测法也称相关分析预测法 是一类主要从 分析事物发展变化的因果关系人手 通过建立数学模型进行预 测的方法 以下仅介绍 3 种简单而常用的方法 1 一元线性回归分析法 在实际的企业发展中 许多经济变量之间都存在着因果关 系 归纳起来 这些因果关系可以分成两大类 一类是确定性 的函数关系 如产品单价已定 销售收入同产品销售量的关系 可以表示为销售收入 产品单价 x 销售量的关系 在上述关系 中 变量与因变量之间是一种按比例增加或者减少的关系 另 一类是非确定性的函数关系 如农民对化肥消费品的需求量同 收入水平之间的关系等 在这些因果关系中 虽然一般地说因 变量也是随自变量增加或减少而发生同一方向的变化 但这种 变化不是成比例的 在数学上 把这种因果关系称为相关关系 回归分析就是通过对历史资料的统计分析 寻求变量之间相互 依存的相关关系的规律性 根据一定的数学原理 把变量之间 的非确定性的相关关系转化为确定的函数关系 通过建立数学 模型 比较近似地预测事物的未来发展趋势 一元线性回归分析法 是指只有一个自变量的因果关系分 析预测法 运用该法的一般步骤是 第一步 先根据实际调查的数据资料 找出两个变量之间 的相关关系的规律性 一般可用画散点图的办法确定 第二步 建立一元线性回归方程式 y a 十 bx 并用最小二 乘法求出回归方程中的两个回归系数 a b 第三步 以回归方程为依据 进行预测 运用回归分析方法进行安全预测的基本原理是 由于两个 变量 x y 之间的相关关系 它们在坐标上的绝大多数统计点 x y 非常靠近一条直线 如果找出这条最能代表其发展趋势的 直线 就可以根据这条直线进行预测 从数学证明中可知 用 最小二乘法所求出的截距为 a 斜率为 b 的直线 y a bx 工与各 个统计点距离的平方和最小 因此符合上述的要求 从而可以 根据这条直线进行因果关系安全预测 2 一元非线性回归分析法 一元线性回归法只有在当两个变量之间的关系是线性关系 或接近线性关系时 亦即在散点图上绝大多数坐标点是按非常 靠近一条直线的样子分布时 才能使用 但在实际中 有时两 个变量之间并不一定是线性关系 而是某种曲线关系 在这种 情况下 就要运用一元非线性回归分析法 进行非线性回归分 析通常要把非线性型转化为线性型 然后按照线性回归分析法 求出回归直线中的 a 和 b 最后再化成曲线回归方程 据此进 行安全预测 如图 18 1 是按某化肥产品的月销售量的历史数据所画出 的散点图 图 18 1 某厂化肥产品的月销售量散点图 从图中可以看出 销售量与时间的关系是一条曲线 因而 不能用直线回归法 这条曲线与双曲线差不多 因此 我们用 双曲线的函数关系式来表示这两个变量之间的关系 即 因为 x y 分别是 x y 的倒数 所以销售量 y 与月份 x 的 值必须要取倒数 然后根据这些倒数值 运用一元线性回归法 进行计算 可求得 a 和 b 将 a b 值代人上述回归方程 则有 根据上述方程就可以进行预测 3 基数迭加法 上述所介绍的两种方法 不管是一元线性回归法 还是一 元非线性回归法 都是只考虑一种影响因素的因果关系分析方 法 但是在实际安全管理工作中 影响某一事物发展变化的往 往不仅是一种因素 而是多种因素 而且 在因果关系分析中 如果能多考虑一些影响因素 就可使安全预测更准确一些 对 于有多个自变量的因果关系预测 一般要用多元回归法 但是 有些简单问题 也可用基数迭加法 例如我们要预测一定时期 的安全隐患 yt 由于它不仅是时间的函数 而且还受到其他一 系列因素的支配 如教育 z 素质 p 宣传 q 技术 h 文化 c 法规 g 装备 6 等因素 在这种情况下 我们可以根据以 往的经验和资料 通过统计 分析 把各影响因素引起安全隐 患量变化的百分比用影响系数表达 则预测公式是 yt yt 1 1 十 z 十 p g 十 h c g b 这种方法使用比较简单 只要对各种影响因素及其影响系 数估计分析正确 根