论文部分内容阅读
研究背景：道路交通伤害目前已成为全球不可忽视的社会安全和公共卫生问题。若不实施有效的干预,到2030年,道路交通伤害将成为全球第五位死因。道路交通伤害绝大多数发生在发展中国家,只有约10%发生在发达国家。据WHO预计,同1990年相比,2020年道路交通死亡在发展中国家将平均上升80%,在发达国家将下降近30%。我国是最大的发展中国家,也是道路交通伤害发生最多的国家之一,随着经济迅速发展,机动车数量不断快速增长,但交通管理的改善和道路建设的发展却明显滞后,道路交通伤害及伤亡人数呈不断上升趋势。我国道路交通伤害(Road Traffic Injury, RTI)死亡60%发生在16-45岁的中青年人,对劳动生产力人口造成严重影响。因此有必要对道路交通伤害的流行规律及其发展趋势进行研究。本研究通过回归分析模型、自回归滑动平均混合模型(Autoregressive Integrated Moving Average Model, ARIMA)、灰色模型和BP神经网络(Back Propagation Neural Networks, BP Neural Networks)等4种方法,运用道路交通伤害数据,建立预测模型,对道路交通伤害死亡进行预测,并对这几种方法进行综合比较,为道路交通伤害预测的方法选择提供依据,也为制定预防和减少道路交通伤害、降低事故严重程度的策略提供科学依据。研究目的：1、道路交通伤害预测各种方法的建立与使用；2、不同预测方法进行综合比较,为道路交通伤害预测的方法选择提供依据。研究方法：以1951-2012年中国道路交通伤害十万人口死亡率数据为样本数据,分别运用回归分析模型法、ARIMA模型法和BP神经网络法建立预测模型；以2006-2012年中国道路交通伤害十万人口死亡率数据为样本数据,分别运用回归分析模型法和灰色模型法建立预测模型；以2000-2012年中国道路交通伤害十万人口死亡率月数据为样本数据,分别运用季节性ARIMA (Seasonal ARIMA, SARIMA)模型法和BP神经网络法建立预测模型。研究结果：1、以1951-2011年中国道路交通伤害十万人口死亡率数据为建模数据,回归分析模型法构建的预测模型为Y=-0.000164X3+0.015669X2-0.267856X+1.275373,模型及参数均具有统计学意义,对2012年道路交通伤害十万人口死亡率进行预测,预测值(95%CI)为5.74(4.02-7.46),实际值为4.45,误差率较大；以2006-2011年中国道路交通伤害十万人口死亡率数据为建模数据,回归分析模型法构建的预测模型为Y=-0.439X’+7.079模型及参数均具有统计学意义,对2012年道路交通伤害十万人口死亡率进行预测,预测值(95%CI)为4.01(3.22-4.79),实际观测值在预测值的95%CI内。2、ARIMA模型法构建道路交通伤害十万人口死亡率预测模型ARIMA (1,1,0)：Yt=eYt-1+0.325(?)Yt-1+e1,其中,et为随机误差,模型残差序列为白噪声,Ljung-Box检验P>0.05,拟合效果良好。应用该模型预测2012年中国道路交通伤害十万人口死亡率,预测值(95%CI)为4.67(3.05-6.87),预测值与实际观测结果相符,实际观测值在预测值95%CI内；SARIMA模型法构建道路交通伤害十万人口死亡率预测模型SARIMA(1,1,1)(0,1,1)12，Ljung-Box检验P>0.05,应用该模型预测2012年中国道路交通伤害十万人口死亡率,预测结果与实际观测值相符,观测值在预测值的95%CI内；3、灰色模型法构建道路交通伤害十万人口死亡率预测方程为x(k+2)=6.0778e-0-073k,对2012年我国道路交通伤害十万人口死亡率进行预测,预测值为4.22,与实际值误差较小：4、以1951-2012年道路交通伤害十万人口死亡率为样本数据建立的BP神经网络,最终选择的BP神经网络为：以过去4年十万人口死亡率为网络输入,下一年十万人口死亡率为期望输出,隐含层神经元数目为6个,模型对2012年道路交通伤害十万人口死亡率的预测误差率为0.67%；以2000-2012年各月道路交通伤害十万人口死亡率为样本数据建立的BP神经网络,最终选择的BP神经网络为：以过去5年同期十万人口死亡率为网络输入,当前周期十万人口死亡率为期望输出,隐含层神经元数目为5个,模型对2012年各月道路交通伤害十万人口死亡率的预测值与实际值平均绝对误差率为3.8040%,预测效果较好。研究结论：1、以1951-2012年中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,BP神经网络模型预测效果最好,其次是ARIMA模型,回归分析模型预测效果最差；2、以2006-2012年中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,灰色模型的预测效果明显优于回归分析模型；3、以2000-2012年各月中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,BP神经网络模型预测效果略优于SARIMA模型；4、当样本数据没有明显的季节性,且数据数量足够多时,可选择BP神经网络法进行建模预测；样本数据较少时,可选择灰色模型法进行建模预测；5、当样本数据显示有季节性或周期性时,SARIMA模型法和BP神经网络法均可用于预测模型的建立,BP神经网络法的预测效果略优于SARIMA模型法：6、在对道路交通伤害进行预测时,可尽可能考虑多种预测方法,最后进行综合比较,选择预测精度较好的预测方法进行建模预测。