本书是一部系统、全面介绍各种传统及现代系统安全预测理论和技术的教材。全书共分为10章，包括系统安全工程与系统安全预测概述、安全事故统计分析、定性预测方法、回归分析预测法、趋势曲线预测法、灰色预测法、马尔科夫预测法、时间序列预测法、贝叶斯网络预测法及组合预测法。
本书既可作为高等院校安全科学与工程、系统工程、矿业工程等专业的本科生或硕士研究生教材，也可作为企业应急、管理、矿山、安全等相关管理部门管理人员的参考书。

1 系统安全工程与系统安全预测概述
1.1 系统安全与系统安全工程
1.1.1 系统
1.1.2 系统安全
1.1.3 系统安全工程
1.2 系统安全特征
1.3 系统安全预测
1.3.1 系统安全预测的特点
1.3.2 系统安全预测的分类
1.3.3 系统安全预测的基本原则和程序
1.3.4 系统安全预测精度
思考与练习
2 安全事故统计分析
2.1 事故基本概念
2.2 事故的特性
2.3 事故统计指标
2.4 事故统计分析中的预测方法
2.5 事故预测精度检验方法
2.5.1 残差检验
2.5.2 拟合优度检验——R2检验
2.5.3 方程的显著性检验——F检验
2.5.4 变量的显著性检验——t检验
2.5.5 后验差检验
2.6 事故预测模型的选择
思考与练习
3 定性预测方法
3.1 概述
3.2 专家预测法
3.2.1 头脑风暴法
3.2.2 德尔菲法
3.3 情景预测法
3.3.1 情景预测法的概念和特点
3.3.2 情景预测的一般方法
3.3.3 情景预测法的一般步骤
3.4 类推预测法
3.4.1 类推预测法的基本原理
3.4.2 类推预测法的种类及应用
思考与练习
4 回归分析预测法
4.1 回归分析概述
4.2 回归分析预测法概述
4.2.1 回归分析预测模型的基本假定
4.2.2 相关关系与因果关系
4.2.3 相关系数
4.2.4 异常点、高杠杆点、强影响观测值和缺失值
4.3 回归分析的系统安全预测概述
4.4 一元线性回归预测
4.4.1 一元线性回归模型
4.4.2 参数的最小二乘估计
4.4.3 分解公式δ2的估计
4.4.4 一元回归点预测和区间预测步骤
4.5 一元线性回归预测模型检验过程及预测精度
4.5.1 相关系数的检验
4.5.2 显著性检验
4.5.3 方差分析
4.6 多元线性回归预测
4.6.1 多元线性回归模型与回归方程
4.6.2 多元线性回归方程的检验
4.6.3 多元线性回归自变量的选择
4.6.4 多元线性回归预测模型
4.6.5 多元线性回归点预测和区间预测步骤
4.7 非线性回归预测
思考与练习
5 趋势曲线预测法
5.1 概述
5.2 直线模型预测法
5.3 增长曲线预测法
5.3.1 多项式曲线模型预测法
5.3.2 指数曲线模型预测法
5.3.3 增长曲线预测模型的参数估计
5.3.4 增长曲线模型预测的步骤
5.4 生长曲线法
5.4.1 龚珀兹曲线预测模型
5.4.2 皮尔曲线预测模型
5.4.3 包络曲线模型预测法
思考与练习
6 灰色预测法
6.1 灰色系统与灰色预测概述
6.1.1 灰色系统理论
6.1.2 灰色预测种类与特点
6.1.3 系统安全灰色预测
6.2 灰色数列预测模型
6.3 灰色区间预测
6.4 灰色关联分析预测
6.4.1 灰色相对关联度
6.4.2 灰色绝对关联度
思考与练习
7 马尔科夫预测法
7.1 概述
7.1.1 马尔科夫链简介
7.1.2 马尔科夫链预测简介
7.1.3 系统安全的马尔科夫链预测
7.2 马氏链的基础知识
7.2.1 基本概念
7.2.2 状态及状态转移
7.2.3 转移概率与转移概率矩阵
7.3 马尔科夫链状态转移概率计算
7.4 随机变量序列的“马氏性”检验
7.5 矿业系统安全态势的马尔科夫预测
思考与练习
8 时间序列预测法
8.1 概述
8.1.1 时间序列预测简介
8.1.2 时间序列预测法概述
8.1.3 系统安全的时间序列预测法
8.2 移动平均模型预测
8.2.1 简单移动平均法
8.2.2 加权移动平均法
8.2.3 趋势修正移动平均法
8.3 指数平滑法
8.3.1 一次指数平滑模型
8.3.2 二次指数平滑模型
8.3.3 三次指数平滑模型
8.4 Holt指数平滑预测法
8.4.1 初始值的选取
8.4.2 平滑参数α、β的选取
8.5 季节变化模型预测
8.6 自回归移动平均模型
8.6.1 ARMA模型的识别
8.6.2 ARMA模型的参数估计与检验
8.6.3 ARMA预测模型的构建
8.6.4 系统安全的ARMA预测模型应用分析
8.7 时间序列分解预测法
8.7.1 时间序列分解预测模型
8.7.2 系统安全的时间序列分解预测模型应用
8.7.3 时间序列分解预测模型结果分析
思考与练习
9 贝叶斯网络预测法
9.1 贝叶斯网络概述
9.1.1 贝叶斯网络简介
9.1.2 系统安全的贝叶斯网络预测
9.1.3 贝叶斯网络的概念
9.2 预备知识
9.2.1 先验概率
9.2.2 信息论基础
9.2.3 势函数理论
9.3 贝叶斯网络学习
9.3.1 参数学习
9.3.2 结构学习
9.4 贝叶斯网络预测模型
9.5 贝叶斯网络扩展模型
9.5.1 定性贝叶斯网络
9.5.2 高斯贝叶斯网络
9.5.3 动态贝叶斯网络
9.6 系统安全的贝叶斯网络预测模型应用
9.6.1 BN推理预测和重要度分析
9.6.2