漳州市消防支队 福建漳州 363000
摘要：针对火灾经济损失的统计工作量大、周期性长,火灾经济损失信息的滞后性，应用指数平滑法，以1999-2012年的火灾直接经济损失率数据为样本，预测2013-2018年的火灾直接经济损失率，其次对1999-2018年的数据进行时间序列分析，最后得出2013-2018年每年的火灾直接经济损失率的年平均增长率为15307.83，且观察到在2006年前后火灾年经济损失率出现下降。
关键词：时间序列分析；火灾分析；趋势预测
1 引言
火灾直接经济损失分析和预测不仅能够客观地反映和预测一个地区经济上受到火灾危害的程度，而且还是消防部门评估火灾形势，向政府汇报接下来的工作计划的重要依据。因为人口数越多，火灾的直接经济损失一般来说就越大，所以如果直接研究火灾的直接经济损失的话，就可能使预测的结果不准确。因此，为了更好地进行火灾直接经济损失的分析预测，本文通过对 1999-2012年火灾直接经济损失率（元/万人） 数据应用指数平滑法预测2013-2018年的火灾直接经济损失率，进而对1999-2018年火灾直接经济损失变化趋势进行时间序列分析，为掌握火灾直接额经济损失规律等提供一定的依据。
2时间序列分析
时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法。其基本思想：根据系统的有限长度的运行记录（观察数据），建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预报。主要应用计量经济学中的建模方法和思想，尽管影响现象发展的因素无法探求，但其结果之间却存在着一定的联系，可以用相应的模型表示出来，尤其在随机性现象中。
线性平稳时间序列模型主要有自回归过程（A R (p)）模型、滑动平均模型（MA(q)）、自回归滑动平均模型（AR M A (p, q)），三类模型的形式、特性及自相关和偏自相关函数的特征，如表1所示：
3 1999-2011年火灾直接额经济损失分析与预测
3.1参数的选取及数据处理
火灾直接经济损失是能直观体现火灾对国家经济影响大小的重要指标，既受当地人口数的影响，也和当地经济水平相关，当一般来说，人口越多的地方经济越发达，所以人口数可以涵盖经济发展水平这个因素。为了使火灾直接经济损失的分析和预测更加准确，本文对火灾直接经济损失率率（元/ 万人）建立时间序列模型进行分析和预测(此外，为了更好地说明火灾变化趋势及凸显数据中蕴含的积分特性，文章考虑火灾直接经济损失率的累加序列(具体火灾直接经济损失率（元/ 万人口）及累计序列数据见表2（数据来源为中华人民共和国统计局官网）
图1
3.4 火灾直接经济损失率趋势分析
从1999—2018年火灾直接经济损失率累加数据趋势图可以得出2006年前后，数据变化出现转折，增长率变小。根据指数平滑的预测数据可知2013-2018年每年的火灾直接经济损失率的年平均增长率为15307.83。
4 结束语
以1999-2012年火灾直接经济损失率数据为样本，通过指数平滑法预测了2013-2018年的平均年增长率，以及分析了1999—2018年的火灾直接经济损失率累加数据趋势，为掌握火灾经济损失规律及进行消防预算等提供了依据。
参考文献
[1] 郭龙. 时间序列数据的周期性研究[D]. 电子科技大学 2013.
[2] 张军. 基于时间序列相似性的数据挖掘方法研究[D]. 东南大学 2006.
[3] 孔威. 时间序列分析在CPI中的应用研究[D]. 延边大学 2014.
[4] 利小玲. 基于时间序列分析的预测[D]. 四川大学 2006 .
论文作者:林世玲,陈兵兵
论文发表刊物:《建筑学研究前沿》2017年第24期
论文发表时间:2018/1/23
标签：火灾论文; 损失率论文; 序列论文; 经济论文; 数据论文; 时间论文; 直接经济损失论文; 《建筑学研究前沿》2017年第24期论文;