王 鹏 董建房

（陆军炮兵防空兵学院基础部 合肥 230031）

1 引言

近年来，随着科技的快速发展，社会的不断进步，各行各业对电力供给的要求不断提高，但是电力人员死亡事故、大规模停电事件还是不时发生，这引起了政府和公众的注意，特别是电力人员伤亡事件更是每年在各地都有发生，极大地影响了电力的供给，而在这些电力人员伤亡事故中人因又占了90%［1］，因此对电力行业的生产安全现状进行评估和预测成为了一件刻不容缓的工作，对电力安全的评估和预测可以为改良电力行业生产模式，减少电力安全事故发生数量，提高电力生产行业安全性提供有效参考。目前国内外对人因事故［2～3］评估模型主要有层次分析法［4］、模糊综合评判法［5］、贝叶斯网络［6～7］等，但是这些评估方法具有太多主观因素，而支持向量机［8～10］是一种建立在统计学习理论基础上的学习方法，SVM 的原则是实现结构风险最小化，因此SVM 在小样本、非线性问题中表现突出，而电力人因事故每年的发生次数并不是很多，但是每次发生都影响广泛，造成极严重的后果，而利用一般的方法如线性规划等对电力人因事故进行预测效果并不理想，但是支持向量机完美契合了电力人事故的特点，因此选用支持向量机对电力人因事故进行预测比较合适。所以，为对电力行业安全生产情况进行预测，本文基于蚁群算法优化的支持向量机建立了电力人因事故数量预测模型，并且根据全国2009 年～2018 年10 年内的电力人因事故数据，进行评估和预测，达到了较好的预测精度。……