对数字化核电厂操纵员作业行为的可靠性进行系统研究,以提高核电厂的安全性和经济性是当今工程界和学术界研究的热点和难点问题。尤其在大数据背景下人工智能迅速发展的时代,人因可靠性分析（Human Reliability Analysis,HRA）方法也需要不断完善。本文以数字化核电厂主控室操纵员作业行为可靠性为研究对象,通过统计学习方法识别与量化影响主控室操纵员行为可靠性的主要的行为形成因子（Performance shaping factors,PSF）,再根据主要的PSF建立操纵员作业行为可靠性的数学模型,最后根据模型得到的人因失误概率（Human Error Probability,HEP）探讨减少与预防操纵员作业行为失误的策略与算法,主要内容包括:（1）研究了主控室人工智能诊断故障这一新的情境环境中典型HRA方法的适用性。通过分析该背景下操纵员的任务特性,建立HRA方法适用性评价标准的层次结构,从定性分析、定量分析、可靠性和可用性四个因素指标来对典型的HRA方法进行模糊综合评判,并根据获得的样本数据的特点对评判指标因素权重的确定进行了探讨。实验结果表明单独某一种HRA方法不能很好地应用于有人工智能诊断故障情境下的人因可靠性分析,需要在原有方法上进行改进或建立新的方法。该适用性研究可为核电厂事故工况下有人工智能诊断故障情境中HRA方法的改进或建立提供指引。（2）建立了一种新的核电厂数字化主控室操纵员行为形成因子评价模型。HRA方法中量化HEP的PSF数目众多,且有些PSF相互关联,给HEP的量化带来错误的评价。为克服该不足,本文根据人因事件统计数据的特点,提出一种利用相关系数阵、图的距离分类和主成分分析法相结合的无监督学习模型构建核电厂数字化主控室操纵员PSF的评价模型。该模型能够识别不同类型的人因事件中主要影响人因绩效的PSF,以供决策减少人因失误。本文以某核电站的179起人因失误事件报告进行实验,结果表明该评价模型能对核电厂数字化主控室操纵员的PSF进行有效的评价。（3）探讨了基于实验数据类型利用统计学习方法来量化预测PSF的模型与算法,其中对线性回归算法进行了优化研究。为了识别操纵员行为失误机理,建立PSF与HEP的函数关系,准确量化PSF是亟待解决的问题。本文根据PSF的取值类型与其特征因素的取值类型选择典型的统计学习方法研究PSF的量化。以人机界面交互性水平这个重要的PSF进行实验,取情境意识与心智负荷的相关指标作为其量化的特征因素,根据实验获取数据的类型,选择BP神经网络模型训练数据,结果表明模型的训练误差和测试误差都较小。（4）建立了数字化核电厂操纵员作业行为可靠性的数学模型。首先把作业行为分解为基本动作单位即元操作,然后微观分析操纵员行为失误的特征,建立关于失误次数与作业时间的微分差分方程,得到人误概率密度服从指数分布,最后采用控参优化的统计学习方式确定分布中的人因参数,得到预测操纵员作业行为可靠性的数学模型,并通过实验以DCS+SOP为例验证模型的合理性。（5）构建一种基于灰色关联度的核电事故智能模糊诊断模型。数字化核电厂HRA方法研究的终极目标是提高核电运行人员作业行为的可靠性,其中诊断行为至关重要。针对核电厂事故工况,主控室操纵员若对事故的处理不及时或错误判断,则可能导致事故的发生甚至多事故并发。本文通过建立事故与状态关联矩阵和事故与状态概率矩阵,定义信息权重序列,对事故特征向量和监视结果向量进行线性扩权变换,使用灰色关联度量化监视结果序列与事故特征序列的关联程度,利用迭代递归算法搜寻与真实解最逼近的疑似事故,实现多发事故的自动化模糊诊断。LOCA类事故以及Monte Carlo数值仿真实验表明,该模型和算法在核电复杂系统中能准确快速地诊断出各种常见事故,为操纵员的诊断决策提供策略。（6）研究了基于人机交互的核电厂操纵员认知可靠性预警模型及算法。为了提高主控室操纵员作业行为的可靠性,除了诊断事故的认知行为,还有操纵员在规程指导下最终把核电系统过渡到安全状态的认知行为。本文基于图论的相关理论建立了操纵员认知可靠性预警模型,设计了预警算法并对算法进行了优化研究,实现核电管理的智能监测与修正,为人因事故防范等领域做出积极的贡献。本文基于统计学习研究的数字化核电厂操纵员作业行为可靠性能补充和完善现有人因可靠性分析体系的不足,为预测核电厂事故工况下主控室操纵员的行为可靠性以及防范人因事故提供策略和理论支持,从而进一步帮助提升核电厂的安全水平。