基于二次指數平滑法的典型城市電氣火災預測

湯 昊，金 靜，劉義祥，許 潔，賈 南

(武警學院，河北 廊坊 065000)

●消防安全評價

基于二次指數平滑法的典型城市電氣火災預測

湯 昊，金 靜，劉義祥，許 潔，賈 南

(武警學院，河北 廊坊 065000)

針對電氣火災發展現狀，結合二次指數平滑法適用于短期預測的特點，以近期北京市、重慶市的相關數據為研究對象，運用二次指數平滑法建立電氣火災預測模型，對兩地2015、2016年電氣火災起數進行了預測，并將2015年的預測值與實際值進行了比對。結果表明，二次指數平滑法對典型城市電氣火災短期預測具有可行性，預測結果可為電氣火災的防控提供參考。

二次指數平滑法；電氣火災；火災預測

0 引言

目前我國已成為世界第二大經濟體，工業與居民用電量持續保持在較高水平，由此也使得電氣故障引發的火災事故在總火災起數中占有較大比例。據統計，近幾年我國電氣火災占總火災起數的30%以上，特別是在重特大火災中，電氣火災占比高達50%。在數據化、信息化越來越普及的今天，電氣火災的預測將為消防工作提供參考，并有助于減少電氣火災所造成的人員傷亡與財產損失。目前，國內學者對相關領域的研究可大致歸為兩類，一是針對電氣火災的發生特點，對典型案例進行分析，并從宏觀上提出相應對策；二是基于各項火災數據的統計、整理與分析，并得出防范措施。在火災數據的整理與統計方面，logistic回歸、灰色系統、馬爾可夫模型、聚類分析、神經網絡、時間序列及相關性分析等是常用的數學方法。劉海生等人利用主成分分析與灰色系統對全國的火災形勢進行了綜合評價與預測[1]；李杰通過聚類分析對北京市的火災事故做出了統計與分析[2]；田樹仁則通過神經網絡設計了電氣火災的預警方法[3]。而二次指數平滑法作為基于時間序列的一種分析方法，在短期預測中具有直觀便捷、易于操作的優勢，并在其他領域作為一種重要的分析方法被廣泛應用。王洪德等人通過三次指數平滑法對我國近幾年的道路交通事故的死亡人數做出了預測[4]；何大四等人則通過指數平滑法對空調負荷進行了預測[5]；朱奕奕等人利用指數平滑法對上海市甲型病毒性肝炎的發病趨勢做出預測[6]。由于指數平滑法具有跟蹤時序進行非線性趨勢模擬的特點，將其應用于電氣火災發生次數的預測具有一定可行性[7]。本文基于2010—2016《中國消防年鑒》中電氣火災部分數據，以北京、重慶為例，通過二次指數平滑法預測電氣火災。

1 研究方法

1.1 二次指數平滑法

指數平滑法(Exponential Smoothing，ES)是由布朗(Robert G.Brown)提出，他認為時間序列的態勢具有穩定性或規則性，所以時間序列可被合理地順勢推延；而且最近的發展態勢，在某種程度上會持續一段時間，所以將較大的權數放在最近的數據中[8-10]；并且在實際生活中，指數平滑法經常用于中短期經濟發展趨勢的預測[11]。本文所采用的二次指數平滑法不能單獨進行預測，它必須與一次指數平滑法配合，建立預測的數學模型，然后運用數學模型確定預測值。線性二次指數平滑法只利用三個數據和一個平滑系數就可進行計算，其方便快捷的優勢體現的較為明顯，因而在大多數情況下，線性二次指數平滑法是應用范圍更廣的預測方法[12-13]。

1.2 二次指數平滑法預測公式

二次指數平滑法是對一次指數平滑值再作一次指數平滑的方法。其預測公式為：

式中，Yt+T為預測值；T為預測超前期數；at、bt為預測參數，t=1，2，3，…，n(n為原始數據的個數)。

2 實例分析

火災統計的各項數據包括：火災起數、死亡人數、受傷人數、直接財產損失、燒毀建筑面積、受災戶數，在這些數據中，火災起數可以比較宏觀分析火災形勢，也能直觀體現某地域的電氣火災發生概率，因此選取北京、重慶電氣火災起數作為主要預測參數。

2.1 數據來源

應用二次指數平滑法時，一般近期數據所占權重較大，因此選取最近7年北京、重慶兩地的電氣火災發生起數，共14個數據，如圖1所示。從圖中可以看出，數據在2011至2012年出現了較大波動，因此可以在一次指數平滑的基礎上再進行一次指數平滑，以減小產生的誤差。

2.2 數據的選取

兩組數據各含7個數據，并將2015年的數據用于檢驗預測的可行性，故使用2009—2014年的數據作為數據樣本，并將初始年份(2009年)的數據作為初始值。

圖1 北京、重慶電氣火災起數

指數平滑法的計算中，關鍵是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，如果數據波動較大，α值應取大一些，可以增加近期數據對預測結果的影響。如果數據波動平穩，α值應取小一些。具體如下：(1)當時間序列呈現較穩定的水平趨勢時，應選較小的α值，一般在0.05～0.2之間取值；(2)當時間序列有波動，但長期趨勢變化不大時，可選稍大的α值，常在0.1～0.4之間取值；(3)當時間序列波動很大，長期趨勢變化幅度較大，呈現明顯且迅速的上升或下降趨勢時，宜選擇較大的α值，可在0.6～0.8間選值，以使預測模型靈敏度高些，能迅速跟上數據的變化；(4)當時間序列數據是上升(或下降)的發展趨勢類型，α應取較大的值，在0.6～1之間。

由圖1可知，北京市在2009—2015年電氣火災發生起數的變化不大，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并對結果分別進行預測，由于三組預測值與實際火災起數均相差不大，故計算出α在取不同值時預測值與原始數據的相對誤差，結果如圖2。由圖2可知，當α=0.2時，計算所得出的相對誤差較小，分析結果較為準確，故在預測北京市電氣火災發生起數時，α取0.2。

圖2 α值不同時北京市電氣火災起數預測所產生的相對誤差

由圖1可知，重慶市在2009—2014年電氣火災發生起數的變化相對較大，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并對結果分別進行預測，由于三組預測值與實際火災起數均相差不大，故計算出α取不同值時預測值與原始數據的相對誤差，結果如圖3。由圖3可知，當α=0.6時，計算所得出的相對誤差較小，分析結果較為準確，故在預測重慶市電氣火災發生起數時，α取0.6。

圖3 α值不同時重慶市電氣火災起數預測所產生的相對誤差

2.3 預測結果

將初始值代到公式(1)～(4)中，并通過選定的平滑系數進行計算，求出各個預測參數，經計算，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年電氣火災起數的預測值，見表1。比對2010—2015年預測值與實際值，見圖4，可以發現預測值與實際值大致相符，并結合最新數據進行檢驗，2015年北京市電氣火災預測值與實際值相對誤差為5.9%。由此看出，通過該方法所做出的短期預測相對準確。不難看出，北京市電氣火災起數自2012年起呈現相對穩定的發展趨勢，雖然其用電量大、人口密集，但消防監管力度較大，相關宣傳活動開展較好，故北京市電氣火災發生起數將在短期內比較穩定。因此，該地區需繼續保持火災的防治、監管、宣傳力度，在控制電氣火災發生起數的前提下進一步減少人員傷亡與財產損失。

表1 北京市2010—2016年電氣火災起數預測

圖4 北京市實際值與預測值趨勢對比

同樣，經計算，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年電氣火災起數的預測值，見表2。比對2010—2015年預測值與實際值，見圖5，可見預測值與實際值略有誤差。并結合最新數據進行檢驗，2015年重慶市電氣火災實際值與預測值相對誤差為15.9%。但不難看出，重慶市電氣火災起數總體數量偏高，除2012年電氣火災數目大幅下降以外，近幾年又逐漸恢復至2 800起左右，并在短期內呈現遞增趨勢。因此，該地區需進一步加強火災的防治、監管、宣傳力度，總結并吸取2012年的相關經驗，逐漸控制電氣火災發生起數，以減少由此引發的人員傷亡及財產損失。

表2 重慶市2010—2016年電氣火災發生起數預測

圖5 重慶市實際值與預測值趨勢對比

通過數據分析可以發現，二次指數平滑法是基于近期數據進行預測的一種方法，若數據隨時間推移所產生的變化幅度較大，則預測結果與實際火災發生起數的誤差就會偏高，因此該方法較適用于近期火災起數變化幅度較小地區的火災預測，進而達到控制誤差，準確預測的效果。

3 結論

本文結合電氣火災發展現狀，通過二次指數平滑法分別對北京市、重慶市2015、2016年的電氣火災起數進行了預測，得出北京市在2015、2016年的電氣火災起數分別為1 318起、1 317起；重慶市在2015、2016年的電氣火災起數分別為2 956起、3 100起。依據2015年兩地電氣火災起數進行檢驗，得出二次指數平滑法在電氣火災的短期預測中具有可行性，并依此對電氣火災防控提出了建議。

[1] 劉海生,張鑫磊,宋麗霞.基于統計數據的全國火災形勢綜合評價與預測[J].中國安全科學學報，2011，21(6):54-59.

[2] 李杰.北京市火災事故特征的統計分析[J].中國安全生產科學技術，2013，9(5):126-130.

[3] 田樹仁.基于神經網絡的智能電氣火災預警系統設計[J].消防科學與技術，2015，34(9):1201-1204.

[4] 王洪德,曹英浩.道路交通事故的三次指數平滑預測法[J].遼寧工程技術大學學報，2014，33(1):42-46.

[5] 何大四，張旭.改進的季節性指數平滑法預測空調負荷分析[J].同濟大學學報，2005，33(12):1672-1676.

[6] 朱奕奕,趙琦,馮瑋，等.應用指數平滑法預測上海市甲型病毒性肝炎發病趨勢[J].中國衛生統計，2013，30(1):31-36.

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

[8] 劉造保,徐衛亞,張開普,等.基于改進指數平滑法的巖體邊坡變形預測[J].河海大學學報，2009，37(3):313-316.

[9] 安振宇,陳云國.基于火災統計數據的火災形勢綜合評價和定量預測[J].中國安全生產科學技術，2006，2(2):29-33.

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

[11] 李貴仁,李飛躍,丁萬君.用數理統計方法對未來火災形勢的預測分析[J].消防科學與技術，2005，24(6):765-768.

[12] 胡巍,常金源,李祥龍,等.指數平滑法預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.指數平滑法在南京市艾滋病疫情預測中的應用[J].中國艾滋病性病，2014，20(12):914-921.

(責任編輯 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

河北省科技計劃項目(16215416)；河北省統計科學研究計劃項目(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