第4章系統(tǒng)安全預(yù)測

安全科學(xué)與工程學(xué)院

王志軍第四章系統(tǒng)安全預(yù)測SystemSafetyPrediction預(yù)測，作為人類的一種思維活動(dòng)早已存在于人類的社會(huì)實(shí)踐中，并一直為人們所重視。兩千多年前的“孫子兵法”就談到預(yù)測，如“生死之地，存亡之道，不可不察也”。這里的察，就是預(yù)測的意思；“凡事預(yù)則立，不預(yù)則廢”，則是我國古代學(xué)者對預(yù)測的深刻認(rèn)識，精辟地概括了預(yù)測的重要意義。系統(tǒng)安全預(yù)測預(yù)測是研究未來的一門學(xué)科。隨著科學(xué)技術(shù)的進(jìn)步和生產(chǎn)水平的日益提高，人類的預(yù)測活動(dòng)愈來愈頻繁，涉及的領(lǐng)域愈來愈廣闊，預(yù)測方法和手段愈來愈科學(xué)和先進(jìn)，廣泛應(yīng)用于經(jīng)濟(jì)、技術(shù)和社會(huì)發(fā)展的各個(gè)領(lǐng)域。預(yù)測技術(shù)和控制手段的有效結(jié)合，是現(xiàn)代安全技術(shù)的基本發(fā)展方向。系統(tǒng)安全預(yù)測一、預(yù)測的種類、原則及程序

事故預(yù)測，或稱安全預(yù)測、危險(xiǎn)性預(yù)測，是對系統(tǒng)未來的安全狀況進(jìn)行預(yù)測，預(yù)測系統(tǒng)中存在哪些危險(xiǎn)及其危險(xiǎn)程度，以便對事故進(jìn)行預(yù)報(bào)和預(yù)防。通過預(yù)測，可以掌握一個(gè)企業(yè)或部門傷亡事故的變化趨勢，幫助人們認(rèn)識事故的客觀規(guī)律，制訂政策、發(fā)展規(guī)劃和技術(shù)方案。

1.系統(tǒng)安全預(yù)測分類1）按預(yù)測對象范圍分宏觀預(yù)測是預(yù)測一個(gè)企業(yè)或部門未來一個(gè)時(shí)期的傷亡事故變化趨勢，如預(yù)測明年某煤礦百萬噸死亡率的變化；微觀預(yù)測是具體研究一個(gè)企業(yè)的某種危險(xiǎn)能否導(dǎo)致事故、事故發(fā)生概率及其危險(xiǎn)程度。微觀預(yù)測可以綜合應(yīng)用各種系統(tǒng)安全分析方法；對于宏觀預(yù)測，主要應(yīng)用現(xiàn)代數(shù)學(xué)的一些方法，如回歸預(yù)測法、指數(shù)平滑預(yù)測法、馬爾可夫預(yù)測法、灰色系統(tǒng)預(yù)測法。1.系統(tǒng)安全預(yù)測分類2）按預(yù)測時(shí)間長度分長（遠(yuǎn)）期預(yù)測是對5年以上的安全狀況的預(yù)測。中期預(yù)測是對1年以上5年以下的安全生產(chǎn)發(fā)展前景進(jìn)行的預(yù)測。

短期預(yù)測是對1年以下的安全狀況的預(yù)測。長期預(yù)測為安全管理方面的重大決策提供科學(xué)依據(jù)。中期預(yù)測是制訂5年計(jì)劃和任務(wù)的依據(jù)。短期預(yù)測是年度計(jì)劃、季度計(jì)劃以及制訂短期發(fā)展任務(wù)的依據(jù)。1.2系統(tǒng)安全預(yù)測的原則任何事故都是隨機(jī)事件，但也是有規(guī)律可循的。對于工傷事故預(yù)測的研究，是將其作為一種不斷變化的動(dòng)態(tài)過程來研究的，認(rèn)為事故的發(fā)生是與它的過去和現(xiàn)狀緊密相關(guān)的，這就有可能經(jīng)過對事故的現(xiàn)狀和歷史的綜合分析，推測它的未來。預(yù)測的結(jié)論不是來自于主觀臆斷，而是建立在對事故的科學(xué)分析上。因此，只有掌握了事故隨機(jī)性所遵循的規(guī)律，才能對事故進(jìn)行預(yù)測預(yù)報(bào)。認(rèn)識事故的發(fā)展變化規(guī)律，利用其必然性，是進(jìn)行科學(xué)預(yù)測所應(yīng)遵循的總的原則。具體進(jìn)行事故預(yù)測時(shí)，要借助以下幾項(xiàng)原則：

一、預(yù)測的種類、原則及程序

(1)Principleofrelevance(相關(guān)性原理)(2)Analogyprinciple(類推性原理)Balancecalculation（平衡推算）Substitutioncalculation（代替推算）Factorscalculation（因素推算）Samplecalculation（抽樣推算）Proportioncalculation（比例推算）Probabilitycalculation（概率推算）(3)Principleofinertia慣性原理2.PrinciplesofSystemSafetyPrediction(1)相關(guān)原則。相關(guān)性有多種表現(xiàn)形式，其中最重要的是因果關(guān)系。在利用這一原則進(jìn)行預(yù)測之前，首先應(yīng)確定兩事物之間的相關(guān)性關(guān)系，如事故處理費(fèi)用與事故傷亡人次就有相關(guān)關(guān)系。

(2)類推原則。即把先發(fā)展事物的表現(xiàn)形式類推到后發(fā)展的事物上去。利用這一原則的首要條件是兩事物之間的發(fā)展變化有類似性；只要有代表性，也可由局部去類推整體，但應(yīng)注意這個(gè)局部特征能否真正反映整體的特征。事故預(yù)測(3)慣性原則。按照這一原則，認(rèn)為過去的行為不僅影響現(xiàn)在，面且也影響未來。盡管未來時(shí)間內(nèi)有可能存在某些方面的差異，但對于系統(tǒng)安全狀況的總的情況看，今天是過去的延續(xù)，明天則是今天的發(fā)展。

一、預(yù)測的種類、原則及程序

3.

ProceduresofSystemSafetyPrediction

1、確定事故預(yù)測目標(biāo)2、收集、整理和分析資料3、選擇預(yù)測方法4、進(jìn)行預(yù)測5、分析預(yù)測評價(jià)過程6、寫出預(yù)測報(bào)告二、預(yù)測方法

Predictionmethodscanbedividedintopredictionmethodsofexperiencededuction,timeseriesandeconometricmodels.Thissectionwillmakeanintroductionofthecommonly-usedpredictionmethods.預(yù)測方法從大的方面可分為經(jīng)驗(yàn)推斷預(yù)測法、時(shí)間序列預(yù)測法及計(jì)量模型預(yù)測法。本節(jié)就其中主要常見的預(yù)測方法做一介紹。二、預(yù)測方法

1.

RegressionAnalysis

所謂回歸分析，就是依據(jù)相關(guān)關(guān)系的具體形態(tài)，選擇一個(gè)合適的數(shù)學(xué)模型，來近似地表達(dá)變量間的平均變化關(guān)系?；貧w分析，是指在相關(guān)分析的基礎(chǔ)上，把變量之間的具體變動(dòng)關(guān)系模型化，求出關(guān)系方程式，就是找出一個(gè)能夠反映變量間變化關(guān)系的函數(shù)關(guān)系式，并據(jù)此進(jìn)行估計(jì)和推算。通過回歸分析，可以將相關(guān)變量之間不確定、不規(guī)則的數(shù)量關(guān)系一般化、規(guī)范化。從而可以根據(jù)自變量的某一個(gè)給定值推斷出因變量的可能值（或估計(jì)值）。二、預(yù)測方法

1.

RegressionAnalysis

一元線性回歸法它是根據(jù)自變量(x)與因變量(y)的相互關(guān)系，用自變量的變動(dòng)來推測因變量變動(dòng)的方向和程度，其基本方程式為：

y=a+bx

式中：a、b為回歸系數(shù)。二、預(yù)測方法

1.

RegressionAnalysis

進(jìn)行一元線性回歸，首先應(yīng)收集事故數(shù)據(jù)，并在以時(shí)間為橫坐標(biāo)的坐標(biāo)系中畫出各個(gè)相對應(yīng)的點(diǎn)，根據(jù)圖中個(gè)點(diǎn)的變化情況，就可以大致看出事故變化的某種趨勢，然后進(jìn)行計(jì)算，求出回歸直線?；貧w系數(shù)a、b是根據(jù)統(tǒng)計(jì)的事故數(shù)據(jù)通過以下方程組來決定的。二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

2．一元線性回歸法舉例表4.1是某企業(yè)1998-2005工傷事故死亡人數(shù)的統(tǒng)計(jì)數(shù)據(jù)，試用一元線性回歸方法建立起預(yù)測方程。二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

二、預(yù)測方法

1.

RegressionAnalysis

利用Excel建立線性回歸模型根據(jù)數(shù)據(jù)建立散點(diǎn)圖自變量放在X軸，因變量放在Y軸簡單線性擬合添加趨勢線(類型為“線性”)，選定“顯示公式”和“顯示R2值”得到趨勢線(線性)方程和R2將X代入方程X=5.5，Y=0.4701如何衡量直線擬合的程度如果每一個(gè)觀察點(diǎn)都落在擬合方程上，那么就會(huì)得到一個(gè)滿分1(100%)。擬合方程對觀察到的原始數(shù)據(jù)擬合得怎么樣？隨著越來越多的觀察點(diǎn)偏離擬合直線，分?jǐn)?shù)就會(huì)下降，這個(gè)分?jǐn)?shù)就叫做R2，R2=0.5983=59.83%<60%，說明方程擬合得不夠好，我們從趨勢線可以直觀地看到此關(guān)系不是線性的。二次方程擬合重新添加趨勢線(類型為多項(xiàng)式)結(jié)果很明顯，擬合程度從線性方程的60%提高到二次方程的97%。反映出觀察到的飽和程度。數(shù)據(jù)分析結(jié)果相關(guān)性分析相關(guān)性分析是檢驗(yàn)衡量兩變量關(guān)聯(lián)強(qiáng)度的過程在統(tǒng)計(jì)研究中，常涉及到兩個(gè)事物(變量)的相互關(guān)系問題，例如，學(xué)習(xí)成績與非智力因素的關(guān)系，數(shù)學(xué)成績與物理成績的關(guān)系，男女生學(xué)習(xí)成績的關(guān)系，等等。其關(guān)系表現(xiàn)為以下三種變化；第一，正相關(guān)：一個(gè)變量增加或減少時(shí)，另一個(gè)變量也相應(yīng)增加或減少；第二，負(fù)相關(guān)：一個(gè)變量增加或減少時(shí)，另一個(gè)變量卻減少或增加；第三，無相關(guān)：說明兩個(gè)變量是獨(dú)立的，即由一個(gè)變量值，無法預(yù)測另一個(gè)變量值。統(tǒng)計(jì)學(xué)中，就用“相關(guān)系數(shù)"來從數(shù)量上描述兩個(gè)變量之間的相關(guān)程度，用符號“r"來表示。皮爾森積矩相關(guān)系數(shù)Pearsonproduct-momentcorrelationcoefficient相關(guān)系數(shù)表示的意義相關(guān)系數(shù)r是對兩變量線性相關(guān)的測量，數(shù)值的范圍從-1到0，到+1，表達(dá)變量間的相關(guān)強(qiáng)度。r值為+1表示兩組數(shù)完全正相關(guān)r值為-1表示兩組數(shù)完全負(fù)相關(guān)，說明它們間存在反向關(guān)系，一個(gè)變量變大時(shí)另外一個(gè)就變小當(dāng)r值為0時(shí)表示兩變量之間不存在線性關(guān)系相關(guān)系數(shù)取值范圍限于：－１≤r≤＋１灰色預(yù)測法1.1灰色系統(tǒng)理論灰色系統(tǒng)理論是我國學(xué)者鄧聚龍教授于1982年創(chuàng)立的。對于掌握信息的完備程度，人們常用顏色作出簡單、形象的描述。例如，把內(nèi)部信息已知的系統(tǒng)稱為白色系統(tǒng)；把信息未知的或非確知的系統(tǒng)，稱為黑色系統(tǒng)；而把信息不完全確知的系統(tǒng)，也就是系統(tǒng)中既含有已知的信息、又含有未知的或非確知的信息，稱為灰色系統(tǒng)（GREYSYSTEM）。一個(gè)系統(tǒng)由許多因素組成，如果組成系統(tǒng)的因果明確、因素之間的關(guān)系清楚、組成系統(tǒng)的結(jié)構(gòu)明確、系統(tǒng)作用原理明了，那么這個(gè)系統(tǒng)是白色系統(tǒng)。如果系統(tǒng)信息完全缺乏，這樣的系統(tǒng)為黑色系統(tǒng)。介于黑色系統(tǒng)與白色系統(tǒng)之間，即系統(tǒng)部分信息已知、部分信息未知的系統(tǒng)為灰色系統(tǒng)(GreySystem)。“這批45#鋼供貨狀態(tài)的抗拉強(qiáng)度sb為516MPa左右”，就是一個(gè)典型的灰色系統(tǒng)命題。我們說“抗拉強(qiáng)度sb為516MPa左右”，而不能確切地說出真實(shí)的強(qiáng)度值。鋼的抗拉強(qiáng)度與許多因索有關(guān)，要想知道某一45#鋼的強(qiáng)度值，就必須補(bǔ)充信息。白色系統(tǒng)灰色系統(tǒng)黑色系統(tǒng)不同的灰色系統(tǒng)

灰色系統(tǒng)理論認(rèn)為，世界是物質(zhì)的世界，同時(shí)也是信息的世界。在作為信息的世界里，已被認(rèn)識的白色系統(tǒng)和未被認(rèn)識的黑色系統(tǒng)只是相對的、暫時(shí)的，而介于二者之間的灰色系統(tǒng)是永恒的、絕對的?；疑到y(tǒng)理論的任務(wù)就是挖掘、發(fā)現(xiàn)有用的信息，充分利用和發(fā)揮現(xiàn)有信息的作用，以分析和完善系統(tǒng)的結(jié)構(gòu)，預(yù)測系統(tǒng)的未來，改進(jìn)系統(tǒng)的功能。

灰色系統(tǒng)將一切隨機(jī)變量看作是在一定范圍內(nèi)的灰色量，將隨機(jī)過程看作是在一定范圍內(nèi)變化的與時(shí)間有關(guān)的灰色過程。對灰色量不是從統(tǒng)計(jì)規(guī)律的角度通過大樣本量進(jìn)行研究，而是用數(shù)據(jù)處理的方法（數(shù)據(jù)生成），將雜亂無章的原始數(shù)據(jù)整理成規(guī)律較強(qiáng)的生成數(shù)列，再做研究?；疑到y(tǒng)理論的主要內(nèi)容有：因素相互影響分析的關(guān)聯(lián)度分析法基于白化權(quán)函數(shù)的灰色統(tǒng)計(jì)與灰色聚類法做數(shù)據(jù)處理的累加生成與累減生成法建立微分方程模型的灰色建模法數(shù)列預(yù)測、災(zāi)變頂測、季節(jié)災(zāi)變預(yù)測、拓?fù)漕A(yù)測、系統(tǒng)預(yù)測的灰色預(yù)測法從對付某個(gè)事件的各對策中挑選一個(gè)效果最好的對策所用的灰色決策法以系統(tǒng)行為預(yù)測為基礎(chǔ)的灰色提前控制法等灰色系統(tǒng)的用途灰色關(guān)聯(lián)分析灰色預(yù)測灰色決策灰色控制灰色預(yù)測指用灰色模型GM(1，1)進(jìn)行的預(yù)測。按其功能與特征，灰色預(yù)測可分為五類：

數(shù)列預(yù)測災(zāi)變預(yù)測拓?fù)漕A(yù)測系統(tǒng)預(yù)測數(shù)列預(yù)測對系統(tǒng)行為持征量發(fā)展變化的大小所作的預(yù)測稱數(shù)列預(yù)測。系統(tǒng)的發(fā)展變化，在時(shí)間上是連續(xù)的，在空間上是有序的。數(shù)列預(yù)測利用系統(tǒng)的時(shí)間序列或空間序列對系統(tǒng)進(jìn)行定時(shí)或定空預(yù)測。行為特征值的采集既可以是等間隔的，也可以是非等間隔的。實(shí)際上，數(shù)列預(yù)測研究的是行為特征量隨時(shí)間或空間的變比。災(zāi)變預(yù)測對系統(tǒng)行為特征量將在何時(shí)超過某個(gè)域值的異常值的預(yù)測稱災(zāi)變預(yù)測。災(zāi)變預(yù)測的特點(diǎn)是預(yù)測”災(zāi)變”發(fā)生的時(shí)間或異常數(shù)據(jù)出現(xiàn)的時(shí)間。而異常值的大小常常是一個(gè)給定了上限與下限的灰數(shù)。如某地區(qū)澇災(zāi)預(yù)測，即是年平均降水量過大(可指定為大于2000mm)的年份預(yù)測；而旱災(zāi)預(yù)測．則是年平均降水星過小(如小于400mm)的年份預(yù)測。將災(zāi)變發(fā)生在一年中某個(gè)季節(jié)或某個(gè)特定時(shí)區(qū)的預(yù)測稱為季節(jié)災(zāi)變預(yù)測，如預(yù)測蟲害，是蟲情發(fā)生農(nóng)作物某個(gè)特定生長時(shí)區(qū)的預(yù)測；預(yù)測早霜，則是冬季出現(xiàn)第一次霜凍的時(shí)間預(yù)測。拓?fù)漕A(yù)測拓?fù)漕A(yù)測是對一段時(shí)間內(nèi)系統(tǒng)行為特征數(shù)據(jù)波形的預(yù)測。因?yàn)樵S多點(diǎn)可以構(gòu)成一個(gè)波形、所以拓?fù)漕A(yù)測是規(guī)定許多約定值，對每一個(gè)給定值，都可以在給出的曲線上得到一組點(diǎn)分布數(shù)據(jù)，然后對每一個(gè)分布建立GM(1，1)模型，預(yù)測這組給定值未來發(fā)展變化的時(shí)間間隔。將系統(tǒng)中包含的幾個(gè)量一起預(yù)測，預(yù)測變量(因素)之間發(fā)展變化的關(guān)系、預(yù)測系統(tǒng)中主導(dǎo)因素的作用，稱為系統(tǒng)預(yù)測?；疑A(yù)測為防患于未然提供理論指導(dǎo)。在安全系統(tǒng)中，應(yīng)用數(shù)列預(yù)測，可對矽肺病人數(shù)、事故傷亡率、事故與職業(yè)危害的經(jīng)濟(jì)損失等進(jìn)行預(yù)測，還可對礦井通風(fēng)參數(shù)在空間上的分布進(jìn)行預(yù)測，前者是安全領(lǐng)域的時(shí)間序列預(yù)測，后者是空間序列預(yù)測。應(yīng)用災(zāi)變預(yù)測能研究事故高峰出現(xiàn)的規(guī)律。應(yīng)用季節(jié)性災(zāi)變預(yù)測則可預(yù)測職業(yè)災(zāi)害在某個(gè)特定時(shí)間出現(xiàn)的規(guī)律。拓?fù)漕A(yù)測可用于系統(tǒng)安全特征值的波形變化預(yù)測、如在事故控制圖內(nèi)，可進(jìn)行職工傷亡頻率、事故次數(shù)等的預(yù)測，以掌握企業(yè)的安全生產(chǎn)狀況，及時(shí)發(fā)現(xiàn)并消除事故的失控現(xiàn)象。還可以應(yīng)用系統(tǒng)預(yù)測，來研究人-機(jī)-環(huán)境系統(tǒng)中安全主行為的發(fā)展變化，以及影響系統(tǒng)安全的因素之間的相互作用與關(guān)系。GM（1，1）模型及灰色預(yù)測方法灰色模型簡稱GM模型（GREYMODEL），是灰色系統(tǒng)理論的主要組成部分。常用的灰色模型有GM(1,N)模型和GM(1,1)模型。GM(1,N)模型是1階N個(gè)變量的微分方程模型；GM(1,1)模型則是GM(1,N)模型中，N=1的特例，即1階1個(gè)變量的微分方程模型?；疑A(yù)測主要是通過GM(1,1)模型進(jìn)行的。

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

二、預(yù)測方法

2.

GreyPredictionMethod

灰色理論下面結(jié)合實(shí)例介紹用GM(1,1)模型進(jìn)行事故預(yù)測的方法步驟。某礦某年3-7月份的輕傷事故情況如表所示，試預(yù)測8月份的輕傷事故人次。月份34567輕傷人次2933343537二、預(yù)測方法

灰色理論1)數(shù)據(jù)的累加生成

建立灰色預(yù)測模型時(shí)，要對原始數(shù)據(jù)做累加處理，即對非負(fù)數(shù)列x(0)（i）=｛x(0)（1），x(0)（2），x(0)（3），x(0)（4），x(0)（5）｝，做一次累加處理（1-AGO），求得新數(shù)列x(1)（i）：i=1，2，…，n（2-6）二、預(yù)測方法

本例中，原始數(shù)據(jù)序列為：x(0)（i）=｛29，33，34，35，37｝

用上式對原始數(shù)據(jù)序列做一次累加處理，生成新數(shù)列(1)（i）為：x(1)（i）=｛29，62，96，131，168｝二、預(yù)測方法

2）構(gòu)造數(shù)據(jù)矩陣B及數(shù)據(jù)向量Y

根據(jù)的GM(1,1)模型中，需確定參數(shù)a、u的具體數(shù)值。為此，令

給出下列矩陣形式的方程：

Y=B二、預(yù)測方法

灰色理論其中，Y=[x(0)（2），x(0)（3），…，x(0)（n）]T二、預(yù)測方法

灰色理論本例中，Y=[x(0)（2），x(0)（3），…，x(0)（n）]T=｛33，34，35，37｝T二、預(yù)測方法

3)求GM（1，1）的系數(shù)向量根據(jù)最小二乘法，求二、預(yù)測方法

灰色理論本例中，

二、預(yù)測方法

灰色理論所以a=-0.0386148777u=31.009107354)建立預(yù)測模型根據(jù)式2-5，建立預(yù)測模型。二、預(yù)測方法

本例中，x(0)(1)=29,

二、預(yù)測方法

即，本例中的事故預(yù)測公式為：根據(jù)此公式可計(jì)算出今后各個(gè)時(shí)期的即生成數(shù)列的預(yù)測值。二、預(yù)測方法

灰色理論5)求還原數(shù)列為了得到原始數(shù)列的預(yù)測值，還需要將生成數(shù)列的預(yù)測值作累減還原為原始值，即二、預(yù)測方法

式中--原始數(shù)列的預(yù)測值；--生成數(shù)列的預(yù)測值。

二、預(yù)測方法

求導(dǎo)還原得到：

6）誤差及精度檢驗(yàn)由預(yù)測模型得到的預(yù)測值，必須經(jīng)過統(tǒng)計(jì)檢驗(yàn)，才能確定其精度等級。

（1）相對誤差×100%（2-11）二、預(yù)測方法

其中，為原始數(shù)列值與預(yù)測值的差值，即殘差。（2）后驗(yàn)差比值C后驗(yàn)差比值C是殘差均方差Se與數(shù)據(jù)均方差Sx之比，即(2-12)(2-13)二、預(yù)測方法

顯然，殘差的方差Se2越小，預(yù)測精度越高，但其數(shù)值大小與原始數(shù)據(jù)的大小有關(guān)。因此，取它們的比值作為統(tǒng)一的衡量標(biāo)準(zhǔn)。殘差方差與數(shù)據(jù)方差的計(jì)算分別為（2-14）二、預(yù)測方法

（2-15）上面兩式中，為殘差均值，為原始數(shù)據(jù)的平均值，其他符號意義同上。二、預(yù)測方法

（3）小誤差概率P（2-16）二、預(yù)測方法

后驗(yàn)差比值C和小誤差概率P算出后，可按表2-7進(jìn)行精度等級劃分預(yù)測精度pC好P>0.95C<0.35合格P>0.80C<0.50勉強(qiáng)p>0.70C<0.65不合格p≤0.70C≥0.65二、預(yù)測方法

本例中，生成數(shù)列的預(yù)測值與誤差檢驗(yàn)如表2-8所示，原始數(shù)列的還原值與誤差檢驗(yàn)如表2-9所示。Kx(1)