基于ARIMA-BiLSTM 的散裝水泥運輸車事故預測研究

摘要：為了提升散裝水泥運輸車在運輸過程中的交通安全性，文章基于浙江省2019至2021年的47757條散裝水泥運輸車出險數據，構建了一個結合了自回歸積分滑動平均（ARIMA） 模型和雙向長短期記憶網絡（BiLSTM） 的混合預測模型。首先，通過ARIMA模型分析時間序列數據，識別事故數量和理賠金額的趨勢，并提取預測殘差。然后，利用BiLSTM對這些殘差進行深度學習預測，以捕捉時間序列中的復雜模式。最后，通過將BiLSTM預測的殘差反饋優化ARIMA模型。研究結果表明，相較于傳統的ARIMA模型，該混合模型預測更為精準，有助于更有效地管理和降低散裝水泥運輸車的安全風險。

關鍵詞：散裝水泥車；事故預測；ARIMA-BiLSTM；時間序列；深度學習

中圖分類號：U491.3 文獻標識碼：A

文章編號：1009-3044（2024）19-0006-03