企业定量安全管理方法-预测方法(标准版)

When the lives of employees or national property are endangered, production activities are stopped to rectify and eliminate dangerous factors.

（安全管理）

单位：___________________

姓名：___________________

日期：___________________

企业定量安全管理方法-预测方

法(标准版)

企业定量安全管理方法-预测方法(标准版)导语：生产有了安全保障，才能持续、稳定发展。生产活动中事故层出不穷，生产势必陷于混乱、甚至瘫痪状态。当生产与安全发生矛盾、危及职工生命或国家财产时，生产活动停下来整治、消除危险因素以后，生产形势会变得更好。"安全第一"

的提法，决非把安全摆到生产之上;忽视安全自然是一种错误。

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

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

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