论文部分内容阅读
随着我国铁路系统安全保障能力的高需求和大数据时代的到来,迫切地需要对过去发生的铁路事故进行综合性学习和分析,将铁路事故数据中的隐性知识转化为显性知识,因此对铁路事故数据集的分析将对铁路的事故预防具有重要意义。本文设计了铁路事故数据集的建立及挖掘分析方法,研究事故发生的规律和关键致因,为进一步提高我国铁路的安全水平提供借鉴。论文主要内容如下。
(1)针对我国铁路事故的特点,设计了铁路事故认知可靠性和失误分析分类模型CREAM-RAs,可以对铁路事故中人因、技术、组织因素进行准确分类和提取。通过计算评者间信度和评者内信度的Kappa值验证了CREAM-RAs模型的准确性。在CREAM-RAs的分类框架下,对收集到的811份铁路事故报告进行分解和编码,构建了多属性铁路事故数据集MARA-D。
(2)对自组织映射SOM算法的统一距离矩阵U-Matrix进行了改进,在考虑各单元现有邻居单元总数的基础上优化参数,解决了SOM图中的边缘问题和分界不明显问题,改进U-Matrix后的SOM图可以更直观地观测聚类数目和聚类中心。
(3)设计了基于SOM和K-Means的铁路事故集成聚类方法,将SOM获胜神经元权值作为K-Means第二阶段聚类的输入数据,SOM图中得到的聚类数目和聚类中心作为K-Means的初始输入参数,提高了事故聚类的精确度和可视化效果。通过该集成聚类方法,将MARA-D聚类划分成不同特征事故聚类群。
(4)在充分考虑不同等级事故之间的权重差异基础上,提出了改进的关联规则算法AL_Apriori。使用AL_Apriori算法对事故聚类群分别进行关联规则分析,得到事故致因之间的强关联规则集,继而给出了降低各聚类群中关键事故致因的改进措施。通过与整体MARA-D下的强关联规则集作比较,证明了相对于不使用聚类分析方法,在聚类的基础上做关联规则有助于识别更好和有用的强关联规则结果。
(5)设计了基于关联规则和DEMATEL的致因综合权重确定方法,综合考虑致因初始权重、影响度和被影响度计算致因的综合权重,使致因的权值计算更准确。最后分别用传统支持度、加权支持度和设计的综合权重确定方法对MARA-D中的致因权重进行了计算和排序,验证了本文设计综合权重确定方法的有效性,得出了我国铁路事故的关键致因,并提出了相应的改进措施。
(1)针对我国铁路事故的特点,设计了铁路事故认知可靠性和失误分析分类模型CREAM-RAs,可以对铁路事故中人因、技术、组织因素进行准确分类和提取。通过计算评者间信度和评者内信度的Kappa值验证了CREAM-RAs模型的准确性。在CREAM-RAs的分类框架下,对收集到的811份铁路事故报告进行分解和编码,构建了多属性铁路事故数据集MARA-D。
(2)对自组织映射SOM算法的统一距离矩阵U-Matrix进行了改进,在考虑各单元现有邻居单元总数的基础上优化参数,解决了SOM图中的边缘问题和分界不明显问题,改进U-Matrix后的SOM图可以更直观地观测聚类数目和聚类中心。
(3)设计了基于SOM和K-Means的铁路事故集成聚类方法,将SOM获胜神经元权值作为K-Means第二阶段聚类的输入数据,SOM图中得到的聚类数目和聚类中心作为K-Means的初始输入参数,提高了事故聚类的精确度和可视化效果。通过该集成聚类方法,将MARA-D聚类划分成不同特征事故聚类群。
(4)在充分考虑不同等级事故之间的权重差异基础上,提出了改进的关联规则算法AL_Apriori。使用AL_Apriori算法对事故聚类群分别进行关联规则分析,得到事故致因之间的强关联规则集,继而给出了降低各聚类群中关键事故致因的改进措施。通过与整体MARA-D下的强关联规则集作比较,证明了相对于不使用聚类分析方法,在聚类的基础上做关联规则有助于识别更好和有用的强关联规则结果。
(5)设计了基于关联规则和DEMATEL的致因综合权重确定方法,综合考虑致因初始权重、影响度和被影响度计算致因的综合权重,使致因的权值计算更准确。最后分别用传统支持度、加权支持度和设计的综合权重确定方法对MARA-D中的致因权重进行了计算和排序,验证了本文设计综合权重确定方法的有效性,得出了我国铁路事故的关键致因,并提出了相应的改进措施。