论文部分内容阅读
[摘要]目的探索安徽马钢1988—2009年职II亡概率灰色一马尔柯夫(Grey—Matkov)趋势。方法用GM(1，1)模型对职工工亡概率时间序列进行预测，建立职工亡概率Grey—Marker预测模型。结果安徽马钢2009年职工工亡概率Grey—Markov预测值为1.259 6／105。结论安徽马钢2009年职工工亡概率低于2008年(3.7415／105)，但伤害作为威胁人类健康的重要公共卫生问题应引起有关部门的高度重视。
[关键词]工亡；概率；Grey—Markov；趋势
[中图分类号)R195.4 [文献标识码)A [文章编号]1009-6019-(2010)05-76-03
安徽马钢位于长江中下游皖南地区，现有在职职工53394人。为探索和掌握安徽马钢历年来工亡情况及发生趋势，现对安徽马钢1988～2009年职工工亡概率趋势进行灰色一马尔柯夫(Grey—Markov)预测和分析，为实现安全生产，预防、控制工亡提供科学依据。
1资料与方法
1.1 Grey—Markov预测模型的选择
公司历年来工亡事故发生情况可视为一个多因素、多层次的复杂系统(灰艨胧集)，在这个系统中，既有已知信息，也有未知或不确定的信息，具有本征性灰色系统属性。如系统外部的影响因素(社会、经济、科学技术等信息)、系统内部的影响因素(如家庭情况、个人情况、安全设施、安全教育、安全防护水平等)的变化都是不明确的。但输出的职工工亡事故统计量的时间序列数据是明确的，它是工亡事故系统各因素之间相互制约、相互影响、综合作用的结果，是已知的。根据灰色系统理论，本研究可以不去讨论该系统内外因素及其相互关系，而从工亡事故时间序列这个综合灰色量本身去挖掘有用信息，利用它的动态记忆特性，建立灰色模型来揭示工亡事故发生的内在规律，并对未米年份职工工亡概率作出预测是可行的。
但灰色GM(1，1)模型对于波动性较大的工亡概率时间序列预测效果不是十分理想。而Markov概率矩阵预测的研究对象是一个随机变化的动态系统，它是根据状态之间的转移概率预测未来系统的发展，转移概率反映了各种随机因素的影响程度和各状态之间的内在规律。故把GM(1，1)灰色模型与Markov概率矩阵预测的优点结合起来，建立Grey—Markov预测模型，既可充分利用历史数据给予的信息，又可大大提高随机波动较大的数据的预测精度，改善预测结果。Grey—Markov模型之所以能够正确的反映工亡概率发生的内在规律，其原因不仅由于它在数据上能很好地逼近实际情况，更重要的是它与实际工亡概率时间序列产生了动态响应，对更长远的工亡概率预测可以随时问的推移作不断的跟踪和修正，以达到精确、动态的预测。
2资料来源
由安徽马钢公司人力资源部统计并提供1988—2008年末在册职工人数，安全生产管理部根据《职工因工伤亡年报表》统计并提供职工因工死亡人数，据此计算出年职工工亡概率XO(t)。
3建立职工工亡概率GM(1，1)灰色一维模型
根据灰色系统基本理论和模型拟合方法，对表1中“1988—2008年职工工亡概率”原始数据一次累加后再进行灰色一维模型拟合，计算得GM(1，1)模型2个基本参数分别为：u=5.576 98，a=0.009 53。据此建立GM)(1，1)灰色一维模型，其拟合微分方程式为：x(t+1)=一579.646 2e一0.009 53t+585.191 3。
将累加序列的模型值依次还原(一次累减)，得各年份工亡概率GM(1，1)模型理论值。
4 马尔柯夫(Markov)概率转移矩阵状态的划分
根据Markov理论，将上述理论值划分为几个状态0]，即将GM(1，1)模型理论值划分为若干个动态数列。现将工亡概率理论值x(t+1)划分为5个区域状态：AI、A2、A3、A4、A5。
5 建立Grey-Markov概率矩阵
根据以上划分的各区域状态和表2，工亡概率实际值)X(t)落入A1、A2、A3、A4、A5区域状态的样本数分别为5、8、6、1、1。再根据实际值下年转向状态得Markov概率转移矩阵为(一般考虑一步转移为佳)：
6 结果与讨论
Grey—Markov预测值与实际值的误差大大低于GM(1，1)理论值与实际值的误差。x+(t+1)预测值序列不仅在数值上与实际值x。(t)能很好地逼近，而且与其波动产生了动态响应，避免了GM(1，1)模型理论值呈递增或递减的现象，从而大大提高预测精度和效果。从安徽马钢21年在职职工工亡概率预测趋势可以看出，该企业工亡概率总体呈下降趋势。这与企业现代化程度、安全设施及职工安全意识提高等有关。但每隔几年总有一个工亡高峰年，再隔几年有一个工亡低峰年，这与诸多影响工亡因素的不确定性有关。本研究不去探讨它的相关因素，而是在灰色预测的基础上，根据马尔柯夫转移概率的大小，推断下年工亡概率的发生趋势。从分析结果推知：2009年该企业工亡概率预测值为1.259 6／10万，低于2008(3.7415／10万)水平，但钢铁企业意外伤害作为威胁职工健康的重要公共问题应引起有关部门高度警惕。
[关键词]工亡；概率；Grey—Markov；趋势
[中图分类号)R195.4 [文献标识码)A [文章编号]1009-6019-(2010)05-76-03
安徽马钢位于长江中下游皖南地区，现有在职职工53394人。为探索和掌握安徽马钢历年来工亡情况及发生趋势，现对安徽马钢1988～2009年职工工亡概率趋势进行灰色一马尔柯夫(Grey—Markov)预测和分析，为实现安全生产，预防、控制工亡提供科学依据。
1资料与方法
1.1 Grey—Markov预测模型的选择
公司历年来工亡事故发生情况可视为一个多因素、多层次的复杂系统(灰艨胧集)，在这个系统中，既有已知信息，也有未知或不确定的信息，具有本征性灰色系统属性。如系统外部的影响因素(社会、经济、科学技术等信息)、系统内部的影响因素(如家庭情况、个人情况、安全设施、安全教育、安全防护水平等)的变化都是不明确的。但输出的职工工亡事故统计量的时间序列数据是明确的，它是工亡事故系统各因素之间相互制约、相互影响、综合作用的结果，是已知的。根据灰色系统理论，本研究可以不去讨论该系统内外因素及其相互关系，而从工亡事故时间序列这个综合灰色量本身去挖掘有用信息，利用它的动态记忆特性，建立灰色模型来揭示工亡事故发生的内在规律，并对未米年份职工工亡概率作出预测是可行的。
但灰色GM(1，1)模型对于波动性较大的工亡概率时间序列预测效果不是十分理想。而Markov概率矩阵预测的研究对象是一个随机变化的动态系统，它是根据状态之间的转移概率预测未来系统的发展，转移概率反映了各种随机因素的影响程度和各状态之间的内在规律。故把GM(1，1)灰色模型与Markov概率矩阵预测的优点结合起来，建立Grey—Markov预测模型，既可充分利用历史数据给予的信息，又可大大提高随机波动较大的数据的预测精度，改善预测结果。Grey—Markov模型之所以能够正确的反映工亡概率发生的内在规律，其原因不仅由于它在数据上能很好地逼近实际情况，更重要的是它与实际工亡概率时间序列产生了动态响应，对更长远的工亡概率预测可以随时问的推移作不断的跟踪和修正，以达到精确、动态的预测。
2资料来源
由安徽马钢公司人力资源部统计并提供1988—2008年末在册职工人数，安全生产管理部根据《职工因工伤亡年报表》统计并提供职工因工死亡人数，据此计算出年职工工亡概率XO(t)。
3建立职工工亡概率GM(1，1)灰色一维模型
根据灰色系统基本理论和模型拟合方法，对表1中“1988—2008年职工工亡概率”原始数据一次累加后再进行灰色一维模型拟合，计算得GM(1，1)模型2个基本参数分别为：u=5.576 98，a=0.009 53。据此建立GM)(1，1)灰色一维模型，其拟合微分方程式为：x(t+1)=一579.646 2e一0.009 53t+585.191 3。
将累加序列的模型值依次还原(一次累减)，得各年份工亡概率GM(1，1)模型理论值。
4 马尔柯夫(Markov)概率转移矩阵状态的划分
根据Markov理论，将上述理论值划分为几个状态0]，即将GM(1，1)模型理论值划分为若干个动态数列。现将工亡概率理论值x(t+1)划分为5个区域状态：AI、A2、A3、A4、A5。
5 建立Grey-Markov概率矩阵
根据以上划分的各区域状态和表2，工亡概率实际值)X(t)落入A1、A2、A3、A4、A5区域状态的样本数分别为5、8、6、1、1。再根据实际值下年转向状态得Markov概率转移矩阵为(一般考虑一步转移为佳)：
6 结果与讨论
Grey—Markov预测值与实际值的误差大大低于GM(1，1)理论值与实际值的误差。x+(t+1)预测值序列不仅在数值上与实际值x。(t)能很好地逼近，而且与其波动产生了动态响应，避免了GM(1，1)模型理论值呈递增或递减的现象，从而大大提高预测精度和效果。从安徽马钢21年在职职工工亡概率预测趋势可以看出，该企业工亡概率总体呈下降趋势。这与企业现代化程度、安全设施及职工安全意识提高等有关。但每隔几年总有一个工亡高峰年，再隔几年有一个工亡低峰年，这与诸多影响工亡因素的不确定性有关。本研究不去探讨它的相关因素，而是在灰色预测的基础上，根据马尔柯夫转移概率的大小，推断下年工亡概率的发生趋势。从分析结果推知：2009年该企业工亡概率预测值为1.259 6／10万，低于2008(3.7415／10万)水平，但钢铁企业意外伤害作为威胁职工健康的重要公共问题应引起有关部门高度警惕。