模型和数据联合驱动的ARIMA-IDSSA-LSSVM建筑安全事故预测

摘要

针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题，考虑模型和数据联合驱动方式，提出一种结合差分自回归移动平均（autoregressive integrated moving average, ARIMA）模型和改进的自适应樽海鞘优化最小二乘支持向量机（improved adaptive salp swarm algorithm optimized least squares support vector machine, IDSSA-LSSVM）的组合预测模型。首先利用ARIMA模型获得时序数据中线性部分，利用IDSSA-LSSVM模型分析ARIMA模型获得的残差，获得时序数据中非线性部分；然后通过线性部分和非线性部分相加获得最终组合预测值；最后通过2010—2020年房屋市政工程生产安全事故数据对所提算法进行验证。结果表明，所提预测模型在E_rmse上较其他算法分别下降73.73%、77.21%、46.09%、46.80%、78.19%,在E_mae上较其他算法分别下降74.20%、77.44%、48.15%、48.85%、77.50%,在E_mape上较其他算法分别下降84.95%、87.77%、75.97%、88.49%、80.27%。在不同规模的数据集下，文中算法在E_rmse指标下均最优。同时能够通过预测未来阶段事故，提供辅助决策。表明ARIMA-SSA-LSSVM组合模型能够充分挖掘建筑安全事故数据的隐藏信息，在准确性、泛化性和应用性3个角度均表现不错，优势明显。

关键词

建筑安全 / 事故预测 / 联合驱动 / 差分自回归移动平均模型 / 支持向量机