基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究

发布时间：2017-05-26 07:05

  本文关键词：基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究，由笔耕文化传播整理发布。

【摘要】：我国铁路运输网络具有运输里程长、历经站点多、范围辐射广、运输周转大、运输速度快等特点,年度旅客周转量及货物周转量均居世界首位。铁路安全涉及面广、专业性强且繁琐复杂,伴随着铁路运输速度的提高和行车密度的增大风险也进一步提高,不同性质事故的发生可能性也随之升高。铁路事故不仅会造成人员伤亡、经济损失和环境危害,还有可能造成极其恶劣的社会影响。因此,对铁路事故数据进行科学研究,充分发挥其对铁路安全工作的决策支持作用,对我国铁路系统健康稳定的发展有着非常重要的意义。本文从铁路事故实际数据入手,首先对影响铁路事故的各因素进行归纳统计,去除冗余模糊内容,得到可供深入分析的数据样本；其次,结合新兴的数据挖掘技术,将关联规则分析应用于铁路事故实际数据的研究中,使用经典Apriori算法对样本数据进行挖掘；经筛选得到最突出的强关联规则,以灰色关联理论为指导,将该规则中的数据字段细分为具体的安全隐患内容及事故性质类别,通过灰色关联度计算量化分析二者之间的内在联系,进一步地对计算结果展开深入分析;之后,运用组合预测原理,以GM(1,1)与三次指数平滑的预测结果为基础,结合灰色理论及IOWA算子概念,构建科学合理的组合模型,对不同性质的铁路事故数量分别预测并校验误差；最后,结合隐患与事故的关系确定其严重程度,汇总各单位报告的数据情况分析安全水平,对超出安全阂值的给出警示,以此对我国铁路事故安全进行预警分析。本文以铁路事故实际数据为基础,对运输过程中各影响因素及其相互关系进行量化研究,形成以安全隐患及事故性质为切入点的安全预警应用,对提升我国铁路安全管理水平有极大的促进作用。
【关键词】：铁路事故 数据挖掘 关联分析 组合预测 安全预警
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U298
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-23
• 1.1 研究背景及意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 国内外研究现状13-20
• 1.2.1 数据挖掘13-15
• 1.2.2 预测方法15-18
• 1.2.3 安全预警18-20
• 1.3 研究内容及技术路线20-22
• 1.4 创新点22-23
• 2 铁路交通事故特点分析23-31
• 2.1 铁路交通事故特点基础分析23-27
• 2.1.1 事故性质23
• 2.1.2 分类23-24
• 2.1.3 时间因素24-25
• 2.1.4 责任部门25-26
• 2.1.5 地域因素26-27
• 2.1.6 天气情况27
• 2.2 铁路事故主要影响因素分析27-29
• 2.3 本章小结29-31
• 3 铁路事故影响因素数据挖掘及关联度分析31-55
• 3.1 关联规则概述31-33
• 3.1.1 基本概念31-33
• 3.1.2 分类33
• 3.2 关联规则数据挖掘Apriori算法33-37
• 3.2.1 算法描述33-34
• 3.2.2 算法性质34-35
• 3.2.3 算法举例35-37
• 3.3 铁路事故因素关联规则数据挖掘37-44
• 3.3.1 数据挖掘步骤37-40
• 3.3.2 结果分析40-44
• 3.4 灰色关联分析44-46
• 3.4.1 基本理论44
• 3.4.2 基本特征44-45
• 3.4.3 计算步骤45-46
• 3.5 安全隐患与事故性质灰色关联分析46-53
• 3.5.1 数据整理46-47
• 3.5.2 灰色关联度计算47-51
• 3.5.3 结果分析51-53
• 3.6 本章小结53-55
• 4 基于灰色关联度的铁路事故预测55-79
• 4.1 基本理论55-59
• 4.1.1 组合预测的概念及分类55-57
• 4.1.2 加权系数57-58
• 4.1.3 误差评价58-59
• 4.2 基于IOWA算子的组合预测模型59-61
• 4.2.1 基本概念59-60
• 4.2.2 建立模型60-61
• 4.3 基于灰色关联度的IOWA算子组合预测模型61-62
• 4.4 铁路事故预测实例62-74
• 4.4.1 单项预测62-68
• 4.4.2 基于IOWA算子的组合预测68-72
• 4.4.3 基于灰色关联度的IOWA算子组合预测72-74
• 4.5 模型评价74-77
• 4.5.1 预测值对比74-76
• 4.5.2 误差分析76-77
• 4.6 本章小结77-79
• 5 基于事故性质的铁路安全预警研究79-95
• 5.1 安全预警概述79-83
• 5.1.1 安全预警的系统结构79-80
• 5.1.2 安全预警的作用80
• 5.1.3 安全预警指标体系构建原则80-81
• 5.1.4 安全水平数据合成评价法81-83
• 5.2 铁路安全预警系统的设计83-86
• 5.2.1 设计思想83-84
• 5.2.2 运转模式84-85
• 5.2.3 主要功能85-86
• 5.3 基于事故性质的铁路安全预警系统构建86-89
• 5.3.1 安全预警指标体系建立86-88
• 5.3.2 安全水平计算公式88
• 5.3.3 安全预警阈值设定88-89
• 5.4 铁路事故安全预警实例89-94
• 5.4.1 特定性质事故安全预警分析89-92
• 5.4.2 铁路事故综合安全水平值计算92
• 5.4.3 安全预警发布92-93
• 5.4.4 铁路事故预测值综合安全预警分析93-94
• 5.4.5 误差分析94
• 5.5 本章小结94-95
• 6 结论与展望95-97
• 6.1 研究结论95-96
• 6.2 展望96-97
• 参考文献97-103
• 附录A103-105
• 附录B105-111
• 附录C111-115
• 作者简历及攻读硕士学位期间取得的研究成果115-119
• 学位论文数据集119

【相似文献】

中国期刊全文数据库 前10条

1 杜云飞;陈孟野;高永献;;基于神经网络的一种组合预测的构建与应用[J];河南工程学院学报(自然科学版);2010年02期

2 周超;王秀芝;;组合预测在油气操作成本预测中的应用研究[J];天然气勘探与开发;2009年04期

3 陈贝;臧子璇;;燃气负荷组合预测中贝叶斯权重法的应用[J];上海煤气;2010年05期

4 黄学良,肖惠海,熊秋红;赣州市五大产业生产方程与组合预测[J];南方冶金学院学报;1997年02期

5 和志明;易娟子;;新疆原油产量的灰色组合预测研究[J];石油工业计算机应用;2010年04期

6 周超;王秀芝;;组合预测在油气操作成本预测中的应用[J];西南石油大学学报(社会科学版);2009年04期

7 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[J];中国管理科学;2008年S1期

8 徐刚;王维国;;中国石油消费的组合预测[J];黑龙江对外经贸;2009年10期

9 侯运炳;张文;张浩;彭勃;潘仁飞;;煤炭需求最优组合预测[J];煤炭工程;2007年11期

10 宫剑;李洁玲;;基于神经网络的药品需求组合预测研究与应用[J];中国管理信息化;2014年08期

中国重要会议论文全文数据库 前9条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 田瑾;项静恬;陈殿斌;;多种时间序列建模及组合预测的比较和改进[A];中国现场统计研究会第九届学术年会论文集[C];1999年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年

7 樊英;张秋菊;;工业增加值预测系统的分析设计[A];中国企业运筹学[C];2006年

8 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

9 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[A];第十届中国管理科学学术年会论文集[C];2008年

中国博士学位论文全文数据库 前5条

1 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

2 蒋传进;基于模型遴选规则的自适应组合预测研究[D];东华大学;2014年

3 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

4 谭泗桥;支持向量回归机的改进及其在植物保护中的应用[D];湖南农业大学;2008年

5 王富强;风电场短期风速预测及模拟的理论与方法研究[D];华北电力大学;2013年

中国硕士学位论文全文数据库 前10条

1 马艳玲;组合预测在医药流通企业销售预测中的应用研究[D];华南理工大学;2015年

2 陈嵩;组合预测技术及其在功率预测中的应用[D];华北电力大学;2015年

3 郭二凤;ATM现金流预测的研究[D];辽宁科技大学;2015年

4 施艳春;基于非线性时间序列和神经网络的风电功率短期预测[D];沈阳工业大学;2016年

5 王克楠;基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究[D];北京交通大学;2016年

6 叶晨;风电功率组合预测研究[D];华北电力大学（北京）;2011年

7 丁咏梅;我国股票价格的组合预测[D];华中科技大学;2005年

8 王庆庆;我国国内石油供给的组合预测研究[D];浙江工商大学;2006年

9 高放;组合预测研究及其在交通流量预测中的应用[D];山东科技大学;2008年

10 吉敏;支持向量回归机在组合预测中的应用研究[D];东华大学;2011年

  本文关键词：基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究，由笔耕文化传播整理发布。

，

本文编号：396029