預測方法有定性預測和定量預測兩種。定性預測主要是指各種調查方法，如重點調查、典型調查、抽樣調查、專家意見調查等。定量預測則主要有以下幾種。

　　一、時間序列預測法

　　所謂時間序列就是按時間順序排列的、反映某種安全現象發展變化情況的統計數據。在企業安全管理中，我們經常要與時間序列打交道。如按年度連續排列起來的事故起數，按季度排列起來的某類事故起數等。時間序列預測法，就是根據時間序列變動的方向和程度向前延伸來推斷下一期或以后若干時期可能的變化情況的一類預測方法。所以，時間序列預測法也稱趨勢外推法或歷史延伸法。這是目前安全預測中常用的一類定量預測方法。目前常用的時間序列預測有以下幾種。   

　　1．算術移動平均法

　　這種方法是假設預測值與近幾期的實際值有關，而與前幾期或較遠期無關。因此可以用最近幾個時期的移動平均值作為下一期的預測值、預測公式是：

 

　　式中  X_t——t期的預測值；

　　X—t期之前各期的實際值；

　　n——所用資料的期數。

　　這種方法的預測誤差與所用資料的期數即n值有關。一般說，n值愈大，預測誤差愈大；反之，n值愈小，預測誤差愈小。

　　在實際安全預測中，”值的選擇，主要取決于預測的目的和實際數據的特點。如果要求預測值比較精確，n應取的小一點，可在3～5之間，反之，如果想得到事物變化的大致趨勢，”可取得大一些，可在10—30之間。如果實際數據上下波動不大，n值也可以取得大一些。

　　這種方法由于側重考慮了近期實際情況對預測期的影響，因此預測比簡單平均法要準確些，但一般也只宜用于短期預測。

　　2．加權移動平均法

　　簡單平均法和移動平均法只利用過去的時間序列值進行預測，而且算術平均只能假設這些數據對未來值有同等影響。但是，實際情況是復雜的。由于各種偶然因素，各個時期的數據對未來發展變化的影響往往不一定是相等的。為了彌補這一缺點，就產生了加權移動平均法。

　　加權移動平均法是指對整個時間序列進行加權平均進行預測的一種方法。它的基本原理是以一定的權數來區別每期對未來發展情。況影響的大小，以便能更正確地反映事物發展變化的實際，使預測更準確一些。其預測公式是：

 

　　運用加權移動平均法進行預測，關鍵在于權數的選擇。一般規律是：對近期數據資料的加權數值較大，遠期則較小。至于大小的程度，完全取決于預測人員對時間序列的全面了解和分析。因此，權數的確定常常帶有經驗性。在實際預測中一般都是采用多算幾個不用權數加以比較，擇優選定。

　　3．指數平滑法

　　指數平滑法，也稱指數移動平均、指數修勻法。它是一種簡便易行的時間序列預測方法。指數平滑法是在移動平均法的基礎上發展起來的。移動平均法有兩個缺點：一是需要大量的歷史理論資料，二是對時間序列中的各期情況對預測期影響大小程度的問題沒有真正解決。指數平滑法由于用的是加權平均，且不需許多歷史資料，因此能夠彌補上述二個缺陷。

　　其預測公式是：

 

　　由于最近期的實際資料包含著較多的未來情況信息，對預測的影響較大，所以必須比遠期實際資料給予更大的權數，而對較遠期資料則相應給以遞減的權數。

　　如果進行數學推算，指數平滑法實際是選取各時期權數的數值為遞減指數數列的均值辦法，即代表各時期權數的數列為：

 

　　由于權數是(1—a)的指數形式，故稱指數平滑法。

　　用指數平滑法進行預測，a的值將直接影響預測的精度。選取。值最好通過試算來決定。例如，對同一個預測對象，分別用a=0.3、0.5、0.7進行試算，乘哪一個。值修正前期預測值與實際值的絕對誤差小，即可把這個值確定為平滑系數。指數平滑法的主要優點是要求的歷史數據量少，而且預測值可以通過。值的調整來適應實際值的變化，以減少預測誤差，這也是該法應用普遍的原因。

　　二、因果關系分析預測法

　　因果關系分析預測法也稱相關分析預測法，是一類主要從分析事物發展變化的因果關系人手，通過建立數學模型進行預測的方法。以下僅介紹3種簡單而常用的方法。

　　1. 一元線性回歸分析法

　　在實際的企業發展中，許多經濟變量之間都存在著因果關系。歸納起來，這些因果關系可以分成兩大類：一類是確定性的函數關系，如產品單價已定，銷售收入同產品銷售量的關系，可以表示為銷售收入＝產品單價X銷售量的關系；在上述關系中，變量與因變量之間是一種按比例增加或者減少的關系。另一類是非確定性的函數關系，如農民對化肥消費品的需求量同收入水平之間的關系等，在這些因果關系中，雖然一般地說因變量也是隨自變量增加或減少而發生同一方向的變化，但這種變化不是成比例的。在數學上，把這種因果關系稱為相關關系�；貧w分析就是通過對歷史資料的統計分析，尋求變量之間相互依存的相關關系的規律性，根據一定的數學原理，把變量之間的非確定性的相關關系轉化為確定的函數關系，通過建立數學模型，比較近似地預測事物的未來發展趨勢。

　　一元線性回歸分析法，是指只有一個自變量的因果關系分析預測法。運用該法的一般步驟是：

　　第一步：先根據實際調查的數據資料，找出兩個變量之間的相關關系的規律性。一般可用畫散點圖的辦法確定。

　　第二步：建立一元線性回歸方程式y＝a十bx，并用最小二乘法求出回歸方程中的兩個回歸系數a，b。

　　第三步：以回歸方程為依據，進行預測。   

　　運用回歸分析方法進行安全預測的基本原理是：由于兩個變量x、y之間的相關關系，它們在坐標上的絕大多數統計點(X，Y)非�？拷�一條直線。如果找出這條最能代表其發展趨勢的直線，就可以根據這條直線進行預測。從數學證明中可知，用最小二乘法所求出的截距為a，斜率為b的直線Y=a+bx工與各個統計點距離的平方和最小，因此符合上述的要求，從而可以根據這條直線進行因果關系安全預測。

　　2．一元非線性回歸分析法

　　一元線性回歸法只有在當兩個變量之間的關系是線性關系或接近線性關系時，亦即在散點圖上絕大多數坐標點是按非�？拷�一條直線的樣子分布時，才能使用。但在實際中，有時兩個變量之間并不一定是線性關系，而是某種曲線關系。在這種情況下，就要運用一元非線性回歸分析法。進行非線性回歸分析通常要把非線性型轉化為線性型，然后按照線性回歸分析法求出回歸直線中的a和b，最后再化成曲線回歸方程，據此進行安全預測。

　　如圖18—1是按某化肥產品的月銷售量的歷史數據所畫出的散點圖。

 
圖18—1  某廠化肥產品的月銷售量散點圖

　　從圖中可以看出，銷售量與時間的關系是一條曲線，因而不能用直線回歸法。這條曲線與雙曲線差不多，因此，我們用雙曲線的函數關系式來表示這兩個變量之間的關系，即：

 

　　因為X′，y′分別是X，y的倒數，所以銷售量(y)與月份(X)的值必須要取倒數，然后根據這些倒數值，運用一元線性回歸法進行計算，可求得a和b。

　　將a，b值代人上述回歸方程，則有：

 

　　根據上述方程就可以進行預測。

　　3．基數迭加法

　　上述所介紹的兩種方法，不管是一元線性回歸法，還是一元非線性回歸法，都是只考慮一種影響因素的因果關系分析方法。但是在實際安全管理工作中，影響某一事物發展變化的往往不僅是一種因素，而是多種因素。而且，在因果關系分析中，如果能多考慮一些影響因素，就可使安全預測更準確一些。對于有多個自變量的因果關系預測，一般要用多元回歸法。但是有些簡單問題，也可用基數迭加法。例如我們要預測一定時期的安全隱患yt，由于它不僅是時間的函數，而且還受到其他一系列因素的支配，如教育(z)、素質(P)、宣傳(q)、技術(h )、文化(c)、法規(g)、裝備(6)等因素。在這種情況下，我們可以根據以往的經驗和資料，通過統計、分析、把各影響因素引起安全隱患量變化的百分比用影響系數表達，則預測公式是：

　　y_t＝y_t—1(1十z％十P％+g％十h％+c％+g％+b％+…)

　　這種方法使用比較簡單，只要對各種影響因素及其影響系數估計分析正確，根據充分，就可以得出比較準確的預測結果。但這種預測方法，也只適用于諸如上述例題之類簡單的多因素的因果關系。

　　對于定量預測方法還可舉出許多類型，數量經濟法、增長曲線法、投入產業法等。對于眾多類型的定量預測方法，在實際安全管；理中要根據預測的目的、性質、要求、預測周期的長短、預測中可  能掌握的歷史資料以及預測所需費用等具體情況進行恰當地選擇。