第1章 绪论 1
1.1事故 1
事故的定义 1
事故的指标 2
事故的特征 3
1.2事故预测 3
预测原理 3
事故预测过程 3
1.3事故预测方法 4
回归预测法 5
时间序列预测法 6
马尔可夫预测法 7
灰色预测法 7
贝叶斯网络预测法 8
神经网络预测法 9
第2章 回归预测法 10
2.1概述 10
回归分析概述 10
回归预测法概述 10
回归分析的事故预测概述 12
2.2一元回归模型 12
线性化 13
参数估计 14
模型检验 18
预测模型 22
2.3多元回归模型 24
参数估计 25
模型检验 27
自变量选择 29
预测模型 35
事故预测举例 37
2.4线性回归注意的问题 37
残差分析 38
异方差问题 38
自相关问题 41
2.5离散预测模型 44
泊松回归模型 44
负二项回归模型 47
logit模型 48
2.6事故预测实例 52
第3章 时间序列预测法 55
3.1概述 55
时间序列简介 55
时间序列预测法概述 55
事故预测的时间序列预测法 57
3.2基础知识 57
基本概念 57
平稳性和可逆性 58
滑动平均过程（moving average processes） 59
自回归模型（autoregressive model） 60
自回归滑动平均模型（autoregressive moving average model） 63
3.3 ARMA建模 65
模型的识别和定阶 65
模型的参数估计 67
模型的检验 70
模型的预测 71
3.4 ARIMA建模 75
平稳性的检验 76
非平稳数据的处理 80
ARIMA模型 80
ARIMA建模 83
ARIMA季节模型 84
3.5指数平滑模型 85
Brown指数平滑模型 85
Holt指数平滑法 89
Holt-Winters指数平滑法 90
3.6预测实例 92
ARIMA预测 92
指数平滑模型 95
第4章 马尔可夫链预测法 98
4.1概述 98
马尔可夫链简介 98
马尔可夫链预测简介 98
马尔可夫链事故预测 99
4.2马氏链的基础知识 99
马氏链的基本概念 99
马尔可夫链的状态分类 100
平稳分布和遍历性 102
隐马尔可夫链 104
吸收态马尔可夫链预测模型 110
4.3状态空间的划分 111
经验分组法 111
样本均值均方差分级法 112
有序样本聚类法 113
基于目标函数的模糊ISODATA聚类分析法 116
4.4转移概率的计算和检验 119
马氏链转移概率的计算 119
马氏性的检验 121
齐次性的检验 121
4.5马尔可夫链预测法 122
传统马氏链预测法及其改进 122
高阶马尔可夫链预测 124
隐马尔可夫链的预测算法 125
4.6预测实例 125
第5章 灰色预测法 129
5.1概述 129
灰色系统理论 129
灰色预测简介 129
五步建模思想 130
灰色事故预测 131
5.2基础知识 132
灰生成 132
灰关联分析 134
5.3 GM（1，1）建模 135
GM（1，1）模型 136
残差修正模型 140
灰色灾变预测 141
GM（1，1）模型的适用范围 144
5.4几种典型的GM模型 144
GM（M，N）模型 144
GM（1，N）模型 145
GM（0，N）模型 146
Verhulst模型 147
灰色模型的适用场合 148
5.5模型的改进 149
基于残差修正的改进模型 149
基于初始条件和信息更新的改进模型 150
基于数据变换的改进模型 152
针对内部建模机制的改进模型 156
5.6事故预测实例分析 158
模型的建立 158
模型的检验 159
预测结果和分析 161
第6章 贝叶斯网络预测法 162
6.1概述 162
贝叶斯网络简介 162
事故预测应用 163
贝叶斯网络的概念 164
6.2预备知识 165
先验概率 165
信息论基础 167
势函数理论 169
6.3贝叶斯网络学习 169
参数学习 170
结构学习 177
6.4贝叶斯网络推理 183
变量消元法（VE） 183
超树推理法（polytree） 187
连接树推理法（junction tree） 188
6.5扩展模型 192
定性贝叶斯网 192
高斯贝叶斯网络 195
动态贝叶斯网 199
多模块贝叶斯网 204
面向对象的贝叶斯网 207
第7章 神经网络预测法 210
7.1概述 210
人工神经网络概述 210
神经网络预测概述 211
神经网络事故预测概述 211
7.2神经网络的基础知识 212
人工神经网络的基本结构和模型 212
BP神经网络 218
RBF神经网络 223
神经网络建模的注意问题 227
7.3神经网络预测模型 229
神经网络趋势预测 229
神经网络回归预测 231
7.4预测实例 233
神经网络趋势预测实例 233
神经网络回归预测实例 235
第8章 组合预测 239
8.1概述 239
组合预测法简介 239
组合预测的事故预测简介 239
预测的评价 240
8.2模型组合法 241
灰色马尔可夫预测模型 241
灰色线性回归预测模型 247
ARIMA神经网络混合预测模型 250
8.3结果组合法 254
非最优组合模型方法 254
最优组合预测方法 257
神经网络组合法 265
参考文献 268