The invention provides a bootstrap \u2011 Tobit ship accident economic loss prediction method for the first time, which takes into account the situation of missing report of ship accident in water area. Because the database of ship accident has the problem of missing report in different degree, it greatly reduces the reliability of ship accident invention process. The invention makes use of the bootstrap \u2011 Tobit model constructed to supplement the missing ship accident data, and evaluates the influence of various influencing factors of the ship accident on the accident consequences. For the first time, this method can predict the economic loss of the accident on the premise of considering the problem of missing report of accident data, which is very helpful for the accurate deployment of maritime safety countermeasures.
【技术实现步骤摘要】
考虑船舶事故数据漏报问题的Bootstrap-Tobit船舶事故经济损失预测方法
本专利技术涉及航运领域,具体涉及船舶事故数据漏报问题解决方法以及船舶事故经济损失分析和预测方法。技术背景可靠的航运事故数据库对船舶事故分析至关重要。然而,当前在记录船舶事故方面的工作仍然存在许多漏洞。船舶事故漏报问题是影响航运事故数据库可靠性的一个主要问题,也是海事当局改善海上安全环境所面临的重大挑战之一。一般来说,海事当局通过改善其事故上报制度/立法来改善航运事故数据漏报问题是最根本的解决办法。然而,对于已经存在漏报情况的船舶历史事故数据来说,补充缺失或漏报事故是完善船舶事故数据库的一种有效途径。预测船舶事故造成的经济损失,有利于决策者制定有效的管理规定,降低导致重大经济损失的船舶事故的可能性,同时也有利于保险公司制定适当的船舶保险费率。目前,许多模型都可以用来预测船舶事故经济损失,但一般方法未考虑船舶事故经济损失存在上限的问题。如若不考虑这个问题,模型估计结果可能会存在一定程度的右删失偏差。此外,由于船舶事故漏报是普遍存在的问题,很难收集到充足的高质量事故数据样本来保障后续预测过程的准确性。因此,提高船舶事故经济损失预测可靠性是十分必要的。
技术实现思路
本专利技术的目的是在解决船舶事故数据漏报问题的前提下,准确构建影响因素与船舶事故经济损失间的关系,为海事当局制定合理的海上安全对策提供理论支持。本专利技术提供的考虑水域内船舶事故漏报经济情况的船舶事故经济损失预测方法是这样实现的,主要包括以下步骤:S1.历史数据收集并处理。收集某一特定统计期内目标水域船舶交通事故数据,并 ...
【技术保护点】
1.一种考虑水域内船舶事故漏报情况的Bootstrap‑Tobit船舶事故经济损失预测方法,其特征在于包括以下步骤:步骤一:收集处理船舶历史事故数据:(1)确定研究对象,即目标水域;(2)规定研究数据的统计期;(3)收集船舶事故经济损失相关数据;(4)将数据按照船舶事故类型、船舶信息、环境特征、船舶事故起因多个类别进行分类梳理,得到影响船舶事故经济损失的自变量:碰撞事故、触碰事故、搁浅事故、沉没事故、火灾/爆炸事故、倾覆事故、货船、渔船、LNGLPG船、其他船舶类型、船舶总吨、航行状态、发生时间、能见度、大风/浪、事故位置、判断错误、瞭望疏忽、操作失误、机械故障,以及船舶事故经济损失因变量;步骤二:问卷调查:(1)设计面向船长、船员和海事局官员的调查问卷来收集关于水域内严重事故和一般事故数据的漏报情况;(2)处理问卷结果,得到不同漏报程度的概率;步骤三:建立模型:(一)产生Bootstrap样本:(1)将原始船舶事故数据按照严重程度分为严重船舶事故样本和一般船舶事故样本两个部分;(2)分别从严重船舶事故样本和一般船舶事故样本中随机有放回的抽取比例为r
【技术特征摘要】
1.一种考虑水域内船舶事故漏报情况的Bootstrap-Tobit船舶事故经济损失预测方法,其特征在于包括以下步骤:步骤一:收集处理船舶历史事故数据:(1)确定研究对象,即目标水域;(2)规定研究数据的统计期;(3)收集船舶事故经济损失相关数据;(4)将数据按照船舶事故类型、船舶信息、环境特征、船舶事故起因多个类别进行分类梳理,得到影响船舶事故经济损失的自变量:碰撞事故、触碰事故、搁浅事故、沉没事故、火灾/爆炸事故、倾覆事故、货船、渔船、LNGLPG船、其他船舶类型、船舶总吨、航行状态、发生时间、能见度、大风/浪、事故位置、判断错误、瞭望疏忽、操作失误、机械故障,以及船舶事故经济损失因变量;步骤二:问卷调查:(1)设计面向船长、船员和海事局官员的调查问卷来收集关于水域内严重事故和一般事故数据的漏报情况;(2)处理问卷结果,得到不同漏报程度的概率;步骤三:建立模型:(一)产生Bootstrap样本:(1)将原始船舶事故数据按照严重程度分为严重船舶事故样本和一般船舶事故样本两个部分;(2)分别从严重船舶事故样本和一般船舶事故样本中随机有放回的抽取比例为rserious和rnon-serious的船舶事故数据,并添加至原始样本中,作为Bootstrap样本;rserious和rnon-serious分别为水域内严重船舶事故的漏报率和一般船舶事故的漏报率,本发明中漏报率定义为漏报船舶事故的样本量与原始样本量的比值;(3)假设共有H对严重船舶事故漏报率和不严重漏报率的组合,对每对漏报率小组重复步骤(2)K次,其中K值大小具体根据后期迭代情况而定;(二)建立Tobit模型:采用Tobit模型估计方法对原始样本及Bootstrap样本进行估计,得到原始样本模型系数β和Bootstrap样本模型系...
【专利技术属性】
技术研发人员:翁金贤,李国荣,李文文,
申请(专利权)人:上海海事大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。