郑小平：教授、博士生导师，新世纪优秀人才。

    事故预测，是现代安全管理的重要组成部分。全面、系统地讲解了事故预测的理论和方法，论述了事故预测的研究现状和理论趋势，总结了事故预测中最常用的六种方法：回归预测法、时间预测法、马尔可夫链状预测法、灰色预测法、贝叶斯网络预测法和神经网络预测法，并对这些方法进行分析和比较。每一章大致包括以下四个内容：（1）方法的简介、预测原理及其在事故预测中的应用综述；（2）基本知识、建模方法和模型检验；（3）扩展模型；（4）该方法用于事故预测的实例。
    《事故预测理论与方法》不仅可以为学者提供研究参考，而且可以作为研究生和本科生的专业教材，同时还可以作为安全管理从业人员的指导书。

    第2章  回归预测法
    2.1 概述
    2.1.1 回归分析概述
    回归分析是在19世纪末期由英国生物统计学家F.Galton提出的。当时为了研究父母身高与其子女身高的关系，Galton收集了1078对夫妇及其成年子女的身高信息，结果发现了如下关系：高个子父母的子女的身高有低于其父母身高的趋势，而矮个子父母的子女的身高有高于其父母的趋势，即有“回归”到平均值的趋势，这就是统计学上最初出现“回归”时的含义。随后高尔顿发表了一些著作，揭示了统计方法在生物学研究中的作用，引进了回归直线、相关系数等概念，创始了回归分析。后来很多学者把回归分析应用到不同领域的研究当中，尤其是应用到了经济学中，形成了计量经济学，使得回归分析得到了更为深入的发展。
    社会现象是相互依存、相互联系的，其中的关系往往无法用精确的数学表达式来描述，只有通过对大量的观察数据进行统计上的处理，从而找到其中的规律性。回归分析是对具有相互联系的现象，根据其关系的形态，选择一个合适的数学模型，用来近似地表达变量间的平均变化关系，再根据这些关系通过各影响因素来估计预测对象。
    虽然回归分析法技术上比较成熟，但是由于所预测的过程过于简单，并且要求大样本容量以及较好的分布规律，因而使得其应用受到一定的限制。由于回归分析是将预测对象的影响因素加以分解，考察各因素的影响情况，从而估计预测对象未来的数量状态，从而可能出现量化结果与定性分析结果不符的现象，有时难以找到合适的回归方程类型；而且回归模型误差较大，当影响因素错综复杂或相关因素数据资料无法得到时，即使增加计算量和复杂程度，也无法修正回归模型的误差；由于回归分析的外推性差，因而在理论上不能保证预测结果的精确性。
    回归分析经过多年的发展，已经广泛应用于各个领域。新的研究方法的不断涌现，对回归分析起到了渗透和促进作用。

第1章  绪论
1.1  事故
1.1.1  事故的定义
1.1.2  事故的指标
1.1.3  事故的特征
1.2  事故预测
1.2.1  预测原理
1.2.2  事故预测过程
1.3  事故预测方法
1.3.1 回归预测法
1.3.2  时间序列预测法
1.3.3  马尔可夫预测法
1.3.4  灰色预测法
1.3.5  贝叶斯网络预测法
1.3.6  神经网络预测法

第2章  回归预测法
2.1  概述
2.1.1  回归分析概述
2.1.2  回归预测法概述
2.1.3  回归分析的事故预测概述
2.2  一元回归模型
2.2.1  线性化
2.2.2  参数估计
2.2.3  模型检验
2.2.4  预测模型
2.3  多元回归模型
2.3.1  参数估计
2.3.2  模型检验
2.3.3 自变量选择
2.3.4  预测模型
2.3.5  事故预测举例
2.4  线性回归注意的问题
2.4.1  残差分析
2.4.2  异方差问题
2.4.3  自相关问题
2.5  离散预测模型
2.5.1  泊松回归模型
2.5.2  负二项回归模型
2.5.3  logit模型
2.6  事故预测实例

第3章  时间序列预测法
3.1  概述
3.1.1  时间序列简介
3.1.2  时间序列预测法概述
3.1.3  事故预测的时间序列预测法
3.2  基础知识
3.2.1  基本概念
3.2.2  平稳性和可逆性
3.2.3  滑动平均过程（moving average processes）
3.2.4 自回归模型（autoregressive model）
3.2.5 自回归滑动平均模型（autoregressive moving average model）
3.3  ARMA建模
3.3.1  模型的识别和定阶
3.3.2  模型的参数估计
3.3.3  模型的检验
3.3.4  模型的预测
3.4  ARIMA建模
3.4.1  平稳性的检验
3.4.2  非平稳数据的处理
3.4.3  ARIMA模型
3.4.4  ARIMA建模
3.4.5  ARIMA季节模型
3.5  指数平滑模型
……

第4章  马尔可夫链预测法
第5章  灰色预测法
第6章  贝尔斯网络预测法
第7章  神经网络预测法
第8章  组合预测
参考文献