随着大数据与数据挖掘等技术的发展,越来越多的信息系统接入了数据挖掘的技术,如语音模拟、图像识别等等。本文提出了在生产事故破坏程度评估系统引入数据挖掘技术,根据外部数据、危险源自身特征以及历史数据训练分类器,对生产事故破坏程度得到比较精确的评估结果。本文主要研究内容有以下几点:1.数据整合。在面对多源异构数据整合并且要求实时性的时候,传统方案中并没有很好的解决实时性需求。本文提出了新的数据整合流程,增加了监控数据、自动更新以及知识公式库模块。2.数据整合过程中异常问题的处理。在众多数据整合方案中,往往出现数据异常问题,导致整合效果减弱。本文提出了基于角度的三阶段异常检测算法,有效地解决异常问题,也避免出现可能被误判的的异常数据。3.基于K邻近算法的改进与应用。在生产事故破坏度评估系统中,为了得到快速高效的分类器,本文提出了基于K邻近算法的改进方案,将样本集进行组织分区,压缩样本集数量,从而减少了与样本集的相似性计算。4.工厂事故破坏度系统的设计与实现。本文给出了该系统核心模块的数据接口设计以及部分源代码实现样例,然后展示了采用数据可视化形式的系统页面效果,最后进行了系统性能测试。