事故預(yù)測理論與方法

第1章　緒論
　1.1　事故
　　1.1.1　事故的定義
　　1.1.2　事故的指標(biāo)
　　1.1.3　事故的特征
　1.2　事故預(yù)測
　　1.2.1　預(yù)測原理
　　1.2.2　事故預(yù)測過程
　1.3　事故預(yù)測方法
　　1.3.1 回歸預(yù)測法
　　1.3.2　時間序列預(yù)測法
　　1.3.3　馬爾可夫預(yù)測法
　　1.3.4　灰色預(yù)測法
　　1.3.5　貝葉斯網(wǎng)絡(luò)預(yù)測法
　　1.3.6　神經(jīng)網(wǎng)絡(luò)預(yù)測法
第2章　回歸預(yù)測法
　2.1　概述
　　2.1.1　回歸分析概述
　　2.1.2　回歸預(yù)測法概述
　　2.1.3　回歸分析的事故預(yù)測概述
　2.2　一元回歸模型
　　2.2.1　線性化
　　2.2.2　參數(shù)估計
　　2.2.3　模型檢驗
　　2.2.4　預(yù)測模型
　2.3　多元回歸模型
　　2.3.1　參數(shù)估計
　　2.3.2　模型檢驗
　　2.3.3 自變量選擇
　　2.3.4　預(yù)測模型
　　2.3.5　事故預(yù)測舉例
　2.4　線性回歸注意的問題
　　2.4.1　殘差分析
　　2.4.2　異方差問題
　　2.4.3　自相關(guān)問題
2.5　離散預(yù)測模型
　　2.5.1　泊松回歸模型
　　2.5.2　負二項回歸模型
　　2.5.3　logit模型
2.6　事故預(yù)測實例
第3章　時間序列預(yù)測法
　3.1　概述
　　3.1.1　時間序列簡介
　　3.1.2　時間序列預(yù)測法概述
　　3.1.3　事故預(yù)測的時間序列預(yù)測法
　3.2　基礎(chǔ)知識
　　3.2.1　基本概念
　　3.2.2　平穩(wěn)性和可逆性
　　3.2.3　滑動平均過程（moving average processes）
　　3.2.4 自回歸模型（autoregressive model）
　　3.2.5 自回歸滑動平均模型（autoregressive moving average model）
　3.3　ARMA建模
　　3.3.1　模型的識別和定階
　　3.3.2　模型的參數(shù)估計
　　3.3.3　模型的檢驗
　　3.3.4　模型的預(yù)測
3.4　ARIMA建模
　　3.4.1　平穩(wěn)性的檢驗
　　3.4.2　非平穩(wěn)數(shù)據(jù)的處理
　　3.4.3　ARIMA模型
　　3.4.4　ARIMA建模
　　3.4.5　ARIMA季節(jié)模型
3.5　指數(shù)平滑模型
　　……
第4章　馬爾可夫鏈預(yù)測法
第5章　灰色預(yù)測法
第6章　貝爾斯網(wǎng)絡(luò)預(yù)測法
第7章　神經(jīng)網(wǎng)絡(luò)預(yù)測法
第8章　組合預(yù)測
參考文獻