胡哨刚，孔祥芳，旷利平，冯 博

(湖南高速铁路职业技术学院，湖南 衡阳 421000)

铁路交通事故按事故等级由大到小可分为特别重大事故、重大事故、较大事故、一般事故4类[1]。近年来，在铁路运输过程中一些重大灾难性事故，如“7·23”甬温线特别重大交通事故[2]虽已趋于成功避免发生，但其他造成轻微损失或人员伤亡的铁路一般事故仍然时有发生，并成为当前的主要类型铁路交通事故[3-7]，因此，在铁路行车安全管理[8]过程中，必须重视对铁路交通一般类事故的预测及研判。铁路交通事故的预测方法主要分为微观预测[9-10]与宏观预测[11-12]两种。微观预测以事故发生的风险因素作为因变量，探讨因变量与目标变量的关系，如贝叶斯法[13]、回归分析法、马尔科夫法、神经网络预测法等。微观预测中的回归分析预测[14]是以回归方程作为预测模型，根据自变量在预测期的数量变化情况来预测因变量的数量变化，但由于导致铁路交通事故的因素繁多，因此，无法据此建立准确的回归方程。李洪等[15]利用马尔科夫模型进行铁路事故预测，该方法操作简单，但预测范围有限且精度不足；白彦龙等[16]基于BP神经网络对2019-2020年煤矿事故数量进行预测，结果显示预测模型精度较高，但BP神经网络法对隐藏节点层的感知器不能解释，有待进一步研究。宏观预测趋向于事故的趋势预测[17-18]，如时间序列法、灰色预测法等，时间序列预测法分为加权时序平均数法、移动平均法和指数平滑法等。……