塔式起重机事故案例关联规则挖掘与分析

为充分利用塔式起重机事故案例信息,深入挖掘事故特征,提出一种改进的Apriori算法挖掘模式,快速有效挖掘塔式起重机事故关联规则。首先,收集200份具有详细事故调查报告的塔式起重机事故案例,分析并提取事故调查报告中事故的属性数据,按照事故属性的概念层次结构编码;然后,基于经典的Apriori算法,提出一种适用于多维多层关联规则挖掘的模式,挖掘塔式起重机事故属性与致因间多维多层的关联规则;最后,根据挖掘结果,分析并总结塔式起重机事故特征。结果表明:关联规则能有效利用塔式起重机事故调查报告信息,用定量的方式挖掘事故特征;塔吊事故属性间以及事故致因间有较强关联关系。     

基于Hash和倒排项集的海上钻井平台隐患关.联分析

为了充分挖掘海上平台隐患案例中隐患属性与致因之间的关联性，提高对平台隐患风险预测的准确性和时效性，提出了一种基于Hash技术和倒排项集的关联规则挖掘模式。首先针对292条平台结构现场数据的每个隐患属性进行分析提取；其次在多支持度下，按照多维、多层关联规则挖掘模式挖掘隐患设备、隐患位置、隐患现象等属性的关联规则；然后提出用信息增益来衡量关联规则的有效性；最后，根据挖掘结果分析并总结海上钻井平台隐患特征。结果表明：春季油水分离器常出现缺少保养的隐患，护管常出现未封堵的隐患；一般腐蚀和锈蚀的致因为操作维保不当、防护层剥落，以及防护装置锈蚀严重、脱焊、不符合规范，提高海上平台管理水平可减小现场隐患的发生概率。     

基于TEM模型的民航不安全事件关联规则挖掘与分析*

为了预防民航不安全事件的发生,应用机组威胁与差错管理（TEM）模型分析2014—2020年民航事故/征候的航空安全报告资料,提取事件里存在于民航运行风险中潜在的情况、威胁、机组差错等因素,通过改进的关联规则方法挖掘其中的关联关系,包括挖掘与事件严重程度有关的因素,找到TEM模型中的关键因素和影响航空器结束状态的致因因素,并进行关联网络图分析。研究结果表明:手动操纵/飞行控制差错、缺少/不足的飞行培训和安全管理、飞行员之间沟通差错与程序执行错误是造成事故/征候的显著因素;关联规则能够有效利用航空安全报告信息,通过定量的方法挖掘事故/征候的特征,找到影响民航不安全事件的强关联因素,为民航安全管理人员提供决策依据。     

城市轨道交通运营FTA-Apriori风险链构建方法研究

为探明导致城市轨道交通运营事故发生的风险链式传导机理，构建事故风险链，提出FTA-Apriori(Fault Tree Analysis-Apriori)风险链构建方法。首先，针对城市轨道交通运营中风险灾害度高但支持度低的特点对Apriori算法进行改进，并通过灾害度与支持度二维耦合挖掘风险间的强关联规则；其次，通过FTA方法构建风险事故树，挖掘导致事故发生的风险组合，进而与强关联规则结合构建风险链。研究结果可为城市轨道交通运营风险链的构建提供一种全新的方法，进而揭示导致事故发生的风险链式传播机理，为风险链断链位置及风险精细化管控提供理论指导。     

基于关联规则的燃气事故不安全行为复杂网络研究

为有效防控城市燃气事故发生,运用关联规则和复杂网络对可能导致该类事故的不安全行为进行分析,揭示各因素之间的潜在关系和事故发生机制。收集2017—2022年间110起城市燃气事故调查报告并将其不安全行为划分为23类;利用Apriori算法挖掘各因素间的关联规则,得到支持度、置信度和提升度3个指标,并以关联规则中的前项和后项为基础构建复杂网络模型,从节点度、中介度中心性和聚类系数3个方面进行分析。研究结果表明：城市燃气事故发生多与个人安全教育程度不足、工作人员未落实相关管理制度以及个人安全措施和隐患排查不到位等因素有关,需加强相应的安全教育培训和安全管理体系建设。研究结果将不安全行为间的因果关系可视化呈现,为城市燃气安全建设提供一定的参考思路和决策支持。     

结合TF-IDF的企业生产隐患关联预警及可视化研究

为有效利用企业在日常管理中积累的大量生产事故隐患记录,实现隐患预警,解决人工分析数据效率低、主观性强等问题,构建结合词频率-逆文档频率(TF-IDF)的企业生产隐患关联预警可视化模型。首先,运用先验(Apriori)关联规则算法挖掘各隐患间的潜在联系,获取信息中的隐藏价值;然后,引入TF-IDF算法优化关联规则,找出隐患间的关键规则;最后,运用可视化技术直观地展现挖掘结果。研究表明:可视化模型能快速、准确地实现隐患预警;对关联规则的优化,解决了Apriori算法支持度依赖性强的问题;挖掘结果能为企业安全管理者提供整改方向与依据。     

基于关联规则挖掘的直升机事故/事件分析

为了研究直升机事故/事件相关因素之间的关联性,以关联规则为数据挖掘方法,找出了导致直升机事故/事件发生的关联因素组合。首先,收集整理国内近10年224件直升机事故/事件数据报告,从中提取出{事件等级,运行阶段,事件类型,事件原因,对策措施}5类属性信息,然后通过SPSS Modeler软件,结合事件相关属性的设定,运用网络图和Apriori算法进行数据挖掘,通过可能导致直升机事故/事件发生的频繁因素组合来发现事件之间的关联性,得出了以事件等级为关联前项的3类强关联规则。研究表明,对于不同的事件等级,导致事故/事件发生的关联因素不同,可以通过有针对性的控制和管理减少直升机事故/事件的发生。     

基于属性约简的绝缘节破损预测

准确的绝缘节破损预测能够保证铁路运输安全和经济效益。支持向量机算法能够处理轨道电路测试数据,对其进行分类,预测可能存在隐患的绝缘节,但支持向量机预测模型的原始样本多有冗余,基于此,提出了一种基于粗糙集和支持向量机的绝缘节破损预测模型。通过改进主分量启发式属性约简算法,降低样本维数,同时选用模拟退火算法完成SVM自动参数选优。实例分析和仿真结果表明,与单一支持向量机算法相比,属性约简后的粗糙集-支持向量机算法提高了分类器的分类性能,与采用网格搜索技术的SVM预测方法相比,模拟退火算法有效提高了SVM的预测精度。     

基于粗糙集与遗传算法的航空器空中相撞事故因素分析

为高效准确挖掘航空器空中相撞事故与相应事故致因因素间的规律,利用事故数据,提出一种基于粗糙集和遗传算法的分析模型。首先运用粗糙集理论对SHELL模型提供的第一层次因素进行重要性程度排序,并确定其权重;然后分析事故中各环节的具体因素,结合遗传算法对这些子因素进行约简,约简时重点考虑重要度高的主因素,确定最终的事故因素及其决策规则;最后,实例分析得出导致事故的主要因素为机组违规、管制差错与违规、气象和空域。实例分析结果表明,该模型与算法能适应航空事故数据特点,能客观描述几个主要因素与事故发生之间的关联关系。     

基于FP-Growth算法的民航鸟击事件关联性分析

鸟击问题严重威胁航空器运行安全,给航空业造成了巨大的经济损失,为了有效预防民航鸟击事件的发生,根据数据挖掘理论,在分析民航鸟击事件关键诱发属性基础上,提出了一种基于FPGrowth算法的民航鸟击事件关联性分析方法。根据中国民航鸟击事件统计数据,挖掘出鸟击事件各属性间潜在的、有价值的关联,通过设置最小支持度和最小置信度,得出重要的关联性规则。结果表明,该方法根据历史数据可推测出导致鸟击事件发生的相关因素,改善了以往凭借专家经验的片面性、模糊性和不确定性。通过飞机发动机设计、颜色涂装等措施切断导致鸟击事件发生的相关因素,达到有效预防鸟击事件的效果,完善防治措施,最大限度地避免鸟类撞击航空器,保障民航运输安全。     

基于粗糙集-人工神经网络的航空安全文化评价模型研究

根据航空运输企业安全生产系统的特征,制定相对科学的、适用的安全文化评价指标体系。将粗糙集、人工神经网络方法应用于航空安全文化评价研究。首先,通过问卷调查与粗糙集方法相结合,对安全文化评价指标信息表进行设定。利用粗糙集的属性约简功能,确定航空安全文化的核心要素;其次,利用人工神经网络对约简后指标权重进行计算;经过仿真实验,训练后的神经网络较好地获取并保存了安全文化评价的知识和经验,能够较为准确地对航空安全文化进行评价。     

基于FP-growth算法的高校群体性突发事件关联规则分析

为有效预防高校群体性突发事件,借助数据挖掘关联规则挖掘理论,在分析高校突发事件关键诱发因素基础上,构建基于FP-growth算法的高校群体性突发事件关联规则挖掘模型。并将模型应用于事务数据库数据的分析中,研究关键诱发因素间关联关系,实现强关联规则输出。研究结果表明,多数高校群体性突发事件的发生与日期没有必然联系;内部管理因素、内外部突发事件、内部突发事件、政治因素是诱发高校群体性突发事件的主要因素,且外部因素导致的群体性突发事件影响力远远超过内部因素的影响力;当突发事件发生后,应急处置的有效性是决定突发事件影响力的重要因素。     

基于垂直数据格式的企业隐患预警方法研究

企业在事故隐患排查治理过程中积累了大量隐患数据,为挖掘其潜在价值,实现事故隐患预警预控,针对隐患类型多、数量大的特点,应用垂直数据格式挖掘算法对高维隐患数据进行关联规则挖掘,并利用Kulc和不平衡比(IR)减小隐患出现频率差异对规则的影响;在此基础上,设计基于关联规则的隐患预警评估模型,并对预警信息进行可视化处理,最终构建完整的企业隐患预警方法。以130家机械制造企业的53 029条隐患数据为例,验证所建预警方法的可行性。结果表明,该方法对事故隐患预警的准确率为80.62%。     

基于粗糙集理论的危险货物运输风险分析

为解决不确定环境中危险货物运输风险分析问题,针对风险数值分析等方法无法识别构成风险的主要因素和次要因素,无法获得因素重要度,以及不能揭示风险因素与风险之间的因果关系等问题,提出基于粗糙集理论的危险货物运输风险分析方法。首先将原始样本进行属性约简和规则约简,获得各个属性的重要度,识别影响危险货物运输安全的主要因素和次要因素;然后,通过对原始样本进行实例推理,推导出危险货物运输事故规律;最后通过算例验证模型和算法的有效性。结果表明,道路的平纵曲线半径是影响危险货物运输安全的最重要因素,其次是驾驶员因素和运输车辆因素。     

基于频繁模式树的一种关联规则挖掘算法及其在铁路隧道安全管理中的应用

关联规则的FP-growth算法是数据挖掘中性能较好的一种算法,笔者在分析该算法的基础上进行改造探讨,并提出了一种基于FP-tree的高性能关联规则挖掘算法FP-growthN,该新算法特别适合对那些数据量很大但数据项很稀疏的数据进行挖掘。将新算法用于挖掘铁路隧道各病害的关联中,通过对成都铁路局管辖的2005年的2787条隧道病害数据的343条重点隧道有效病害数据的关联分析,得出了各隧道病害之间隐藏着的关系。新法的提出及其应用结果对铁路部门制定检测标准和防治隧道病害有一定的指导作用。     

北京市火灾关联规则分析

利用关联规则挖掘算法及Clementine挖掘工具定量分析了火灾统计中起火场所、火灾原因和起火时间(月份、时间区间)之间的关联性.在采用关联规则表征参数的基础上,引入规则平均直接财产损失(人员死亡)比和规则总直接财产损失(人员死亡)比来表示不同规则损失的大小.以北京市2000-2006年火灾统计数据为例,对其火灾发生和人员死亡数据库进行挖掘,得到起火场所、火灾原因及起火时间(月份、时间区间)之间的1-项集、2-项集和3-项集关联规则.不同起火场所、时间区间、月份和火灾原因下得出的火灾发生频率和损失分析结论可为消防管理部门有针对性地采取消防监督管理措施和有效提高消防执勤战备提供指导.     

无线火灾传感网络故障诊断在工业建筑的应用

本文使用粗糙集中一种改进的基于差别矩阵和属性选择的属性约简算法,对故障样本数据进行约简,得到最小约简集,结合使用新旧版本的BP神经网络,对工业建筑节点故障进行检测,仿真实验结果得到采用RS-new BP神经网络比old BP神经网络的迭代次数减少了61次,正确率提高了7.11%。     

配对进近侧向位置误差QAR参数关联性分析

为研究配对飞机进近阶段飞行员操作和环境因素与侧向位置误差间的关联性,结合快速存取记录器(QAR)数据,基于飞机侧向位置修正过程,识别影响侧向位置误差的QAR参数;建立模糊关联模型,模型中运用模糊C均值(FCM)聚类方法将QAR参数的样本值聚类,得到每个参数的隶属度矩阵;结合Apriori算法,挖掘参数间及参数与侧向位置误差间的关联规则;基于关联规则量化其中的关联性,使用A320-200的真实样本数据进行关联性分析。结果表明:识别出的QAR参数在指定30%支持度下都与侧向位置误差相关;飞机的仰角、坡度、方向舵位置以及风向对侧向位置误差影响较大。     

基于关联规则的企业安全风险并存分析研究

为提高企业综合风险管控能力,本文以某地区企业安全风险数据为分析对象,利用关联分析方法挖掘风险并存规则,并用支持度、置信度和提升度等指标来衡量并存性的强度.结果表明:该方法能较好地发现企业安全生产中普遍存在的风险并存规则,为提高企业综合风险管控能力提供对策和建议.     

时序数据分析的复杂化工过程异常智能溯源研究

对复杂化工过程异常工况进行智能推理溯源是实现安全关口前移、降低灾难性事故发生的有效途径。提出了一种基于Spearman-Apriori的化工过程异常智能溯源分析方法,旨在研究复杂化工过程异常工况发生的前置原因,并形成一种智能决策模型。针对化工工艺参数之间耦合性强、关联关系分析难度大的特点,引入Spearman相关系数,通过Spearman实时在线分析过程参数间的相关关系,并设置强关联阈值将Spearman相关系数分析与Apriori算法进行关联耦合,利用Apriori算法中的支持度和置信度二维挖掘各参数之间的超强关联规则。将该方法应用于合成氨工艺中合成工段的异常工况智能推溯,并选取氢氮比、管路工艺气流量、给水换热器冷凝剂流量等8个关键监测指标,研究发现氢氮比增大和给水换热器冷凝剂流量升高分别是导致合成塔入口压力超压、合成塔第一床层温度过低两组异常工况的前置原因,该分析结果与实际生产工艺相符,证明该方法可以有效地对化工过程异常原因进行推溯并筛选主要影响因素。研究为使用生产过程大数据实现化工过程异常智能溯源提供了理论基础,为进一步完善过程风险精细化管控提供了新思路。