基于二次指數(shù)平滑法的典型城市電氣火災(zāi)預(yù)測

湯 昊，金 靜，劉義祥，許 潔，賈 南

(武警學(xué)院，河北 廊坊 065000)

●消防安全評價(jià)

基于二次指數(shù)平滑法的典型城市電氣火災(zāi)預(yù)測

湯 昊，金 靜，劉義祥，許 潔，賈 南

(武警學(xué)院，河北 廊坊 065000)

針對電氣火災(zāi)發(fā)展現(xiàn)狀，結(jié)合二次指數(shù)平滑法適用于短期預(yù)測的特點(diǎn)，以近期北京市、重慶市的相關(guān)數(shù)據(jù)為研究對象，運(yùn)用二次指數(shù)平滑法建立電氣火災(zāi)預(yù)測模型，對兩地2015、2016年電氣火災(zāi)起數(shù)進(jìn)行了預(yù)測，并將2015年的預(yù)測值與實(shí)際值進(jìn)行了比對。結(jié)果表明，二次指數(shù)平滑法對典型城市電氣火災(zāi)短期預(yù)測具有可行性，預(yù)測結(jié)果可為電氣火災(zāi)的防控提供參考。

二次指數(shù)平滑法；電氣火災(zāi)；火災(zāi)預(yù)測

0 引言

目前我國已成為世界第二大經(jīng)濟(jì)體，工業(yè)與居民用電量持續(xù)保持在較高水平，由此也使得電氣故障引發(fā)的火災(zāi)事故在總火災(zāi)起數(shù)中占有較大比例。據(jù)統(tǒng)計(jì)，近幾年我國電氣火災(zāi)占總火災(zāi)起數(shù)的30%以上，特別是在重特大火災(zāi)中，電氣火災(zāi)占比高達(dá)50%。在數(shù)據(jù)化、信息化越來越普及的今天，電氣火災(zāi)的預(yù)測將為消防工作提供參考，并有助于減少電氣火災(zāi)所造成的人員傷亡與財(cái)產(chǎn)損失。目前，國內(nèi)學(xué)者對相關(guān)領(lǐng)域的研究可大致歸為兩類，一是針對電氣火災(zāi)的發(fā)生特點(diǎn)，對典型案例進(jìn)行分析，并從宏觀上提出相應(yīng)對策；二是基于各項(xiàng)火災(zāi)數(shù)據(jù)的統(tǒng)計(jì)、整理與分析，并得出防范措施。在火災(zāi)數(shù)據(jù)的整理與統(tǒng)計(jì)方面，logistic回歸、灰色系統(tǒng)、馬爾可夫模型、聚類分析、神經(jīng)網(wǎng)絡(luò)、時(shí)間序列及相關(guān)性分析等是常用的數(shù)學(xué)方法。劉海生等人利用主成分分析與灰色系統(tǒng)對全國的火災(zāi)形勢進(jìn)行了綜合評價(jià)與預(yù)測[1]；李杰通過聚類分析對北京市的火災(zāi)事故做出了統(tǒng)計(jì)與分析[2]；田樹仁則通過神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了電氣火災(zāi)的預(yù)警方法[3]。而二次指數(shù)平滑法作為基于時(shí)間序列的一種分析方法，在短期預(yù)測中具有直觀便捷、易于操作的優(yōu)勢，并在其他領(lǐng)域作為一種重要的分析方法被廣泛應(yīng)用。王洪德等人通過三次指數(shù)平滑法對我國近幾年的道路交通事故的死亡人數(shù)做出了預(yù)測[4]；何大四等人則通過指數(shù)平滑法對空調(diào)負(fù)荷進(jìn)行了預(yù)測[5]；朱奕奕等人利用指數(shù)平滑法對上海市甲型病毒性肝炎的發(fā)病趨勢做出預(yù)測[6]。由于指數(shù)平滑法具有跟蹤時(shí)序進(jìn)行非線性趨勢模擬的特點(diǎn)，將其應(yīng)用于電氣火災(zāi)發(fā)生次數(shù)的預(yù)測具有一定可行性[7]。本文基于2010—2016《中國消防年鑒》中電氣火災(zāi)部分?jǐn)?shù)據(jù)，以北京、重慶為例，通過二次指數(shù)平滑法預(yù)測電氣火災(zāi)。

1 研究方法

1.1 二次指數(shù)平滑法

指數(shù)平滑法(Exponential Smoothing，ES)是由布朗(Robert G.Brown)提出，他認(rèn)為時(shí)間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性，所以時(shí)間序列可被合理地順勢推延；而且最近的發(fā)展態(tài)勢，在某種程度上會(huì)持續(xù)一段時(shí)間，所以將較大的權(quán)數(shù)放在最近的數(shù)據(jù)中[8-10]；并且在實(shí)際生活中，指數(shù)平滑法經(jīng)常用于中短期經(jīng)濟(jì)發(fā)展趨勢的預(yù)測[11]。本文所采用的二次指數(shù)平滑法不能單獨(dú)進(jìn)行預(yù)測，它必須與一次指數(shù)平滑法配合，建立預(yù)測的數(shù)學(xué)模型，然后運(yùn)用數(shù)學(xué)模型確定預(yù)測值。線性二次指數(shù)平滑法只利用三個(gè)數(shù)據(jù)和一個(gè)平滑系數(shù)就可進(jìn)行計(jì)算，其方便快捷的優(yōu)勢體現(xiàn)的較為明顯，因而在大多數(shù)情況下，線性二次指數(shù)平滑法是應(yīng)用范圍更廣的預(yù)測方法[12-13]。

1.2 二次指數(shù)平滑法預(yù)測公式

二次指數(shù)平滑法是對一次指數(shù)平滑值再作一次指數(shù)平滑的方法。其預(yù)測公式為：

式中，Yt+T為預(yù)測值；T為預(yù)測超前期數(shù)；at、bt為預(yù)測參數(shù)，t=1，2，3，…，n(n為原始數(shù)據(jù)的個(gè)數(shù))。

2 實(shí)例分析

火災(zāi)統(tǒng)計(jì)的各項(xiàng)數(shù)據(jù)包括：火災(zāi)起數(shù)、死亡人數(shù)、受傷人數(shù)、直接財(cái)產(chǎn)損失、燒毀建筑面積、受災(zāi)戶數(shù)，在這些數(shù)據(jù)中，火災(zāi)起數(shù)可以比較宏觀分析火災(zāi)形勢，也能直觀體現(xiàn)某地域的電氣火災(zāi)發(fā)生概率，因此選取北京、重慶電氣火災(zāi)起數(shù)作為主要預(yù)測參數(shù)。

2.1 數(shù)據(jù)來源

應(yīng)用二次指數(shù)平滑法時(shí)，一般近期數(shù)據(jù)所占權(quán)重較大，因此選取最近7年北京、重慶兩地的電氣火災(zāi)發(fā)生起數(shù)，共14個(gè)數(shù)據(jù)，如圖1所示。從圖中可以看出，數(shù)據(jù)在2011至2012年出現(xiàn)了較大波動(dòng)，因此可以在一次指數(shù)平滑的基礎(chǔ)上再進(jìn)行一次指數(shù)平滑，以減小產(chǎn)生的誤差。

2.2 數(shù)據(jù)的選取

兩組數(shù)據(jù)各含7個(gè)數(shù)據(jù)，并將2015年的數(shù)據(jù)用于檢驗(yàn)預(yù)測的可行性，故使用2009—2014年的數(shù)據(jù)作為數(shù)據(jù)樣本，并將初始年份(2009年)的數(shù)據(jù)作為初始值。

圖1 北京、重慶電氣火災(zāi)起數(shù)

指數(shù)平滑法的計(jì)算中，關(guān)鍵是α的取值大小，但α的取值又容易受主觀影響，因此合理確定α的取值方法十分重要。一般來說，如果數(shù)據(jù)波動(dòng)較大，α值應(yīng)取大一些，可以增加近期數(shù)據(jù)對預(yù)測結(jié)果的影響。如果數(shù)據(jù)波動(dòng)平穩(wěn)，α值應(yīng)取小一些。具體如下：(1)當(dāng)時(shí)間序列呈現(xiàn)較穩(wěn)定的水平趨勢時(shí)，應(yīng)選較小的α值，一般在0.05～0.2之間取值；(2)當(dāng)時(shí)間序列有波動(dòng)，但長期趨勢變化不大時(shí)，可選稍大的α值，常在0.1～0.4之間取值；(3)當(dāng)時(shí)間序列波動(dòng)很大，長期趨勢變化幅度較大，呈現(xiàn)明顯且迅速的上升或下降趨勢時(shí)，宜選擇較大的α值，可在0.6～0.8間選值，以使預(yù)測模型靈敏度高些，能迅速跟上數(shù)據(jù)的變化；(4)當(dāng)時(shí)間序列數(shù)據(jù)是上升(或下降)的發(fā)展趨勢類型，α應(yīng)取較大的值，在0.6～1之間。

由圖1可知，北京市在2009—2015年電氣火災(zāi)發(fā)生起數(shù)的變化不大，因此將α初步選定在0.05～0.2之間，選取α值為0.05，0.1，0.2并對結(jié)果分別進(jìn)行預(yù)測，由于三組預(yù)測值與實(shí)際火災(zāi)起數(shù)均相差不大，故計(jì)算出α在取不同值時(shí)預(yù)測值與原始數(shù)據(jù)的相對誤差，結(jié)果如圖2。由圖2可知，當(dāng)α=0.2時(shí)，計(jì)算所得出的相對誤差較小，分析結(jié)果較為準(zhǔn)確，故在預(yù)測北京市電氣火災(zāi)發(fā)生起數(shù)時(shí)，α取0.2。

圖2 α值不同時(shí)北京市電氣火災(zāi)起數(shù)預(yù)測所產(chǎn)生的相對誤差

由圖1可知，重慶市在2009—2014年電氣火災(zāi)發(fā)生起數(shù)的變化相對較大，因此將α初步選定在0.4～0.6之間，選取α值為0.4，0.5，0.6并對結(jié)果分別進(jìn)行預(yù)測，由于三組預(yù)測值與實(shí)際火災(zāi)起數(shù)均相差不大，故計(jì)算出α取不同值時(shí)預(yù)測值與原始數(shù)據(jù)的相對誤差，結(jié)果如圖3。由圖3可知，當(dāng)α=0.6時(shí)，計(jì)算所得出的相對誤差較小，分析結(jié)果較為準(zhǔn)確，故在預(yù)測重慶市電氣火災(zāi)發(fā)生起數(shù)時(shí)，α取0.6。

圖3 α值不同時(shí)重慶市電氣火災(zāi)起數(shù)預(yù)測所產(chǎn)生的相對誤差

2.3 預(yù)測結(jié)果

將初始值代到公式(1)～(4)中，并通過選定的平滑系數(shù)進(jìn)行計(jì)算，求出各個(gè)預(yù)測參數(shù)，經(jīng)計(jì)算，a北京2014=1319.015，b北京2014=-1.238，故Y北京2014+T=1319.015-1.238T，將T=1,2代入，可得到北京市2015、2016年電氣火災(zāi)起數(shù)的預(yù)測值，見表1。比對2010—2015年預(yù)測值與實(shí)際值，見圖4，可以發(fā)現(xiàn)預(yù)測值與實(shí)際值大致相符，并結(jié)合最新數(shù)據(jù)進(jìn)行檢驗(yàn)，2015年北京市電氣火災(zāi)預(yù)測值與實(shí)際值相對誤差為5.9%。由此看出，通過該方法所做出的短期預(yù)測相對準(zhǔn)確。不難看出，北京市電氣火災(zāi)起數(shù)自2012年起呈現(xiàn)相對穩(wěn)定的發(fā)展趨勢，雖然其用電量大、人口密集，但消防監(jiān)管力度較大，相關(guān)宣傳活動(dòng)開展較好，故北京市電氣火災(zāi)發(fā)生起數(shù)將在短期內(nèi)比較穩(wěn)定。因此，該地區(qū)需繼續(xù)保持火災(zāi)的防治、監(jiān)管、宣傳力度，在控制電氣火災(zāi)發(fā)生起數(shù)的前提下進(jìn)一步減少人員傷亡與財(cái)產(chǎn)損失。

表1 北京市2010—2016年電氣火災(zāi)起數(shù)預(yù)測

圖4 北京市實(shí)際值與預(yù)測值趨勢對比

同樣，經(jīng)計(jì)算，a重慶2014=2812.43，b重慶2014=143.718，故Y重慶2014+T=2812.43+143.718T，將T=1,2代入，可以得到重慶市2015、2016年電氣火災(zāi)起數(shù)的預(yù)測值，見表2。比對2010—2015年預(yù)測值與實(shí)際值，見圖5，可見預(yù)測值與實(shí)際值略有誤差。并結(jié)合最新數(shù)據(jù)進(jìn)行檢驗(yàn)，2015年重慶市電氣火災(zāi)實(shí)際值與預(yù)測值相對誤差為15.9%。但不難看出，重慶市電氣火災(zāi)起數(shù)總體數(shù)量偏高，除2012年電氣火災(zāi)數(shù)目大幅下降以外，近幾年又逐漸恢復(fù)至2 800起左右，并在短期內(nèi)呈現(xiàn)遞增趨勢。因此，該地區(qū)需進(jìn)一步加強(qiáng)火災(zāi)的防治、監(jiān)管、宣傳力度，總結(jié)并吸取2012年的相關(guān)經(jīng)驗(yàn)，逐漸控制電氣火災(zāi)發(fā)生起數(shù)，以減少由此引發(fā)的人員傷亡及財(cái)產(chǎn)損失。

表2 重慶市2010—2016年電氣火災(zāi)發(fā)生起數(shù)預(yù)測

圖5 重慶市實(shí)際值與預(yù)測值趨勢對比

通過數(shù)據(jù)分析可以發(fā)現(xiàn)，二次指數(shù)平滑法是基于近期數(shù)據(jù)進(jìn)行預(yù)測的一種方法，若數(shù)據(jù)隨時(shí)間推移所產(chǎn)生的變化幅度較大，則預(yù)測結(jié)果與實(shí)際火災(zāi)發(fā)生起數(shù)的誤差就會(huì)偏高，因此該方法較適用于近期火災(zāi)起數(shù)變化幅度較小地區(qū)的火災(zāi)預(yù)測，進(jìn)而達(dá)到控制誤差，準(zhǔn)確預(yù)測的效果。

3 結(jié)論

本文結(jié)合電氣火災(zāi)發(fā)展現(xiàn)狀，通過二次指數(shù)平滑法分別對北京市、重慶市2015、2016年的電氣火災(zāi)起數(shù)進(jìn)行了預(yù)測，得出北京市在2015、2016年的電氣火災(zāi)起數(shù)分別為1 318起、1 317起；重慶市在2015、2016年的電氣火災(zāi)起數(shù)分別為2 956起、3 100起。依據(jù)2015年兩地電氣火災(zāi)起數(shù)進(jìn)行檢驗(yàn)，得出二次指數(shù)平滑法在電氣火災(zāi)的短期預(yù)測中具有可行性，并依此對電氣火災(zāi)防控提出了建議。

[1] 劉海生,張鑫磊,宋麗霞.基于統(tǒng)計(jì)數(shù)據(jù)的全國火災(zāi)形勢綜合評價(jià)與預(yù)測[J].中國安全科學(xué)學(xué)報(bào)，2011，21(6):54-59.

[2] 李杰.北京市火災(zāi)事故特征的統(tǒng)計(jì)分析[J].中國安全生產(chǎn)科學(xué)技術(shù)，2013，9(5):126-130.

[3] 田樹仁.基于神經(jīng)網(wǎng)絡(luò)的智能電氣火災(zāi)預(yù)警系統(tǒng)設(shè)計(jì)[J].消防科學(xué)與技術(shù)，2015，34(9):1201-1204.

[4] 王洪德,曹英浩.道路交通事故的三次指數(shù)平滑預(yù)測法[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2014，33(1):42-46.

[5] 何大四，張旭.改進(jìn)的季節(jié)性指數(shù)平滑法預(yù)測空調(diào)負(fù)荷分析[J].同濟(jì)大學(xué)學(xué)報(bào)，2005，33(12):1672-1676.

[6] 朱奕奕,趙琦,馮瑋，等.應(yīng)用指數(shù)平滑法預(yù)測上海市甲型病毒性肝炎發(fā)病趨勢[J].中國衛(wèi)生統(tǒng)計(jì)，2013，30(1):31-36.

[7] 葉宗斌,周步祥,林楠,等.基于等維新息指數(shù)平滑法模型的中長期負(fù)荷預(yù)測[J].電力系統(tǒng)保護(hù)與控制，2012，40(18):47-51.

[8] 劉造保,徐衛(wèi)亞,張開普,等.基于改進(jìn)指數(shù)平滑法的巖體邊坡變形預(yù)測[J].河海大學(xué)學(xué)報(bào)，2009，37(3):313-316.

[9] 安振宇,陳云國.基于火災(zāi)統(tǒng)計(jì)數(shù)據(jù)的火災(zāi)形勢綜合評價(jià)和定量預(yù)測[J].中國安全生產(chǎn)科學(xué)技術(shù)，2006，2(2):29-33.

[10] 芮海田,吳群琪,袁華智,等.基于指數(shù)平滑法和馬爾科夫模型的公路客運(yùn)量預(yù)測方法[J].交通運(yùn)輸工程學(xué)報(bào)，2013，13(4):87-93.

[11] 李貴仁,李飛躍,丁萬君.用數(shù)理統(tǒng)計(jì)方法對未來火災(zāi)形勢的預(yù)測分析[J].消防科學(xué)與技術(shù)，2005，24(6):765-768.

[12] 胡巍,常金源,李祥龍,等.指數(shù)平滑法預(yù)測滑坡變形的適用性討論[J].人民長江，2015，46(14):28-31.

[13] 郭璐,張敏,朱萬平,等.指數(shù)平滑法在南京市艾滋病疫情預(yù)測中的應(yīng)用[J].中國艾滋病性病，2014，20(12):914-921.

(責(zé)任編輯 馬 龍)

Prediction of Electrical Fires in Typical Cities Based on Exponential Smoothing Method

TANG Hao, JIN Jing, LIU Yixiang, XU Jie, JIA Nan

(The Armed Police Academy, Langfang, Hebei Province 065000, China)

Based on the status quo of electrical fires and the features of exponential smoothing method, this paper analyzes the electrical fire data of Beijing and Chongqing, and establishes a fire prediction model with the exponential smoothing method, in order to forecast the number of electrical fires in 2015 and 2016, and compare the predicted values with the actual values in 2015. The results show that the exponential smoothing method is feasible for short-term prediction of electrical fires in typical cities, providing a reference for the prevention and control of electrical fires.

exponential smoothing method; electrical fire; fire prediction

2017-03-30

河北省科技計(jì)劃項(xiàng)目(16215416)；河北省統(tǒng)計(jì)科學(xué)研究計(jì)劃項(xiàng)目(2016HY11)

湯昊(1994— )，男，黑龍江黑河人，在讀碩士研究生； 金靜(1986— )，女，安徽蕭縣人，講師，博士； 劉義祥(1970— )，男，河北南皮人，教授； 許潔(1983— )，女，河北廊坊人，講師； 賈南(1987— )，男，河北廊坊人，講師。

D631.6

A

1008-2077(2017)08-0063-04