全國火災的ARMA建模及預測

該文利用全國1980年至2011年的火災經濟損失的歷史數據，考察其對時間的關系，文章主要利用ARMA建模的方法進行時間序列的建模。研究結果表明，全國火災損失隨時間的增長具有正相關關系，隨著時間的增長，火災帶來的損失將不斷增加，對國民經濟總體的健康發展以及居民正常活動帶來一定損失和影響。而在最后的預測方面，本文預測在2020年，火災帶來的國民經濟損失將達到1.8億元人民幣。因此火災的預防必不可少，而“萬能管家”系統的一個作用在于預防火災的發生，減少火災的發生情況。綜上，我們選擇設計此系統。

一. “萬能管家”系統介紹

“萬能管家”物業管理系統由家庭節能系統、手機家庭管家系統、汽車綠色出行系統以及物業綜合控制系統四部分組成：

家庭節能系統是安裝在家庭的客戶端，它提供個業主簡潔方便的系統處理家庭物業瑣事，并收集用戶的數據，以此提供數據分析的依據； 手機家庭管家系統是業主的移動助手，幫助用戶實時了解家庭信息，并且隨時隨地提供提醒服務和預訂服務； 汽車綠色出行系統將汽車導航儀進行了功能的延伸，方便用戶查找小區內的車位，并且將低碳生活、綠色出行的理念變為實際的節能控制（計劃）； 物業綜合管理子系統主要提供給物業公司使用，它采用了科學的管理方法、采用統一的數據處理方式，收集家庭信息和員工信息，為數據分析提供了大量的依據。

“萬能管家”物業管理系統主要通過將零散的物業服務整合，即包括服務預訂、節能控制、流量提醒、車位查找、繳費等，這樣構成一個完整的物業服務系統，使用戶可以實時了解家中的情況，通過手機完成對家中事物的掌控，同時可以完成與物業公司的溝通。對于物業公司來說，可以通過物業綜合系統完成對物業公司所有事物的處理，包括處理訂單、數據更新、人員管理等。

二.文獻綜述

對于本文所研究的問題，以前有人利用回歸的方法進行建模求解，并且有學者利用BP神經網絡的方式進行預測，但此類文章較少。王晨在城市居民小區火災發生率研究上利用BP神經網絡的方法進行預測，結論得到火災發生率與地震等級有明顯相關性。但文章中也指出，利用BP神經網絡的方法無法得出明確的因果關系【1】。而李蔚【2】和曹文娟【3】的文章利用二元線性回歸的方法進行分析。李蔚的文章中得到結論生活用火不慎和電氣故障這兩個因素都對人員傷亡火災的發生起關鍵性作用，此作用是利用統計學中顯著性表現出來的，曹文娟的文章得出違規操作和電氣故障這兩個因素都對群死群傷火災的發生起關鍵性作用。陳子錦【4】等人研究的火災問題發現地區火災損失同生產總值、消防基本投入之間均為正相關，并提出一些相應措施。而以上文獻均提到一些因素與火災之間的相關性。本文利用1980-2011年的火災損失數據進行ARMA建模并進行預測，研究火災的未來走勢問題。

三.研究方法概述及模型構建

3.1 研究方法

根據“萬能管家”系統的特性，本文主要研究此系統能夠避免火災、盜竊兩方面造成的財產、人員傷亡。根據統計局給出的歷年數據，研究2013年火災、盜竊預測的損失，并由此說明“萬能管家”的意義。

由于統計數據的誤差和不完全性，歷年數據是有波動的，因此我們考慮使用建立ARMA模型的方法進行研究。我們選取了足夠的樣本，從1980年-2011年的數據進行分析預測，預測2013年人員及財產損失。具體方法見下文。

3.2 模型構建

3.2.1 ARMA建模方法簡介

3.2.2 步驟

時間序列特征分析。對序列進行合理差分以消除波動率，并對序列進行自相關和偏自相關分析，檢驗序列樣本均值和樣本標準差是否適用來進行ARMA建模。通過自相關和偏自相關分析確定建立模型的p、q值。

建立模型。如果以上特征分析通過，則可以建立ARMA（p，q）模型，即模型（2）。對建立的模型參數進行估計并對結果進行檢驗，以此，我們來確定滯后階數。該文原載于中國社會科學院文獻信息中心主辦的《環球市場信息導報》雜志http：//www.ems86.com總第526期2013年第43期-----轉載須注名來源檢驗特征多項式的根是否都在單位圓外。最后綜合比較幾個模型的AIC檢驗結果和相伴概率，確定預測模型的選擇。最后對殘差進行假設檢驗，原假設：序列是相互獨立的。備擇假設：序列不是相互獨立的。檢驗殘差項是否滿足假設檢驗結果。

預測。利用Eviews軟件對接下來的數據進行預測，并將幾步預測值與實際觀察值進行對比，得出預測數值。

四.數據說明及實證分析

4.1數據說明

從以上ARMA模型以及預測結果可以看到，在今后幾年中，火災所引發的總損失將逐漸增多，主要原因包括國內自然環境的惡化、氣候變暖、高新技術發展等原因。因此萬能管家的出現能夠很好地解決這個問題，并減少火災所引發的經濟損失。因此從分析火災的情形我們可以得到萬能管家的意義。

（作者單位：1，3，4.北京信息科技大學；2.北京理工大學；5. 廣東亞齊信息管理有限公司）