基于詞擴(kuò)展LDA的鐵路事故致因分析方法研究
發(fā)布時(shí)間:2020-08-13 16:23
【摘要】:鐵路系統(tǒng)的自動(dòng)化、智能化和集成化程度日益提高導(dǎo)致人機(jī)交互的難度也隨之加大。因此,人和組織因素已成為引發(fā)鐵路事故發(fā)生的重要原因。為防止類似的事故再次發(fā)生,可通過對(duì)鐵路事故報(bào)告的細(xì)致分析,確定導(dǎo)致事故發(fā)生的源頭和傳播機(jī)理,從而有針對(duì)性采取相應(yīng)的安全策略。本文提出了基于文本挖掘的鐵路事故致因分析方法,針對(duì)鐵路事故文本特點(diǎn),設(shè)計(jì)特征提取算法提取事故中人和組織因素并對(duì)其進(jìn)行定性定量分析,論文主要工作如下:(1)為從事故報(bào)告中提取導(dǎo)致事故的人因和組織因素,提出了詞擴(kuò)展-隱含狄利克雷分布(EW-LDA)主題模型,利用TextRank算法確定詞的重要性,結(jié)合詞分布和文檔分布之間的語義相似度對(duì)主題詞進(jìn)行擴(kuò)展。仿真結(jié)果表明,與傳統(tǒng)LDA模型相比,本文提出的EW-LDA主題模型能夠提取出更多和事故致因相關(guān)的特征。(2)基于提取的事故文本特征設(shè)計(jì)了 HFACS-RAs的改進(jìn)模型并構(gòu)建了結(jié)構(gòu)化事故數(shù)據(jù)集。按照人和組織不同層面對(duì)事故原因進(jìn)行詳細(xì)分類,將不安全行為的前提條件進(jìn)行進(jìn)一步細(xì)分為任務(wù)條件、環(huán)境條件和個(gè)人條件,每一個(gè)層次根據(jù)提取的事故文本特征進(jìn)一步劃分至更具體的因素?紤]到改進(jìn)的HFACS-RAs中具有父類和子類兩級(jí)事故致因,利用支持向量機(jī)(SVM)將事故報(bào)告按照事故致因進(jìn)行兩級(jí)分類,構(gòu)建了結(jié)構(gòu)化的事故數(shù)據(jù)集。(3)為了找出引發(fā)事故的最關(guān)鍵致因,使用改進(jìn)貝葉斯網(wǎng)絡(luò)(BN)構(gòu)建定量分析模型,設(shè)計(jì)了基于改進(jìn)卡方檢驗(yàn)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法。以改進(jìn)的HFACS-RAs模型中上層與下層因素間的關(guān)系確定節(jié)點(diǎn)間弧的方向,以文本特征提取和分類處理得到事故數(shù)據(jù)集(AD)為基礎(chǔ),結(jié)合無約束0/1優(yōu)化的卡方檢驗(yàn)構(gòu)建全局因果關(guān)系度量,從而實(shí)現(xiàn)最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)。針對(duì)鐵路事故數(shù)據(jù)特點(diǎn),設(shè)計(jì)了基于Logistic回歸的條件概率參數(shù)學(xué)習(xí)算法,實(shí)現(xiàn)了貝葉斯網(wǎng)絡(luò)中條件概率參數(shù)的估計(jì)。(4)將建立的改進(jìn)貝葉斯網(wǎng)絡(luò)模型應(yīng)用于實(shí)際案例,驗(yàn)證了模型的有效性,使用貝葉斯網(wǎng)絡(luò)推理分析了事故的因果關(guān)系,同時(shí)通過敏感性分析識(shí)別了導(dǎo)致事故發(fā)生的最關(guān)鍵因素。
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:U298.5
【圖文】:
特征空間時(shí),需要對(duì)整個(gè)空間重新訓(xùn)練,以得到加入新文檔后對(duì)應(yīng)的分布信息。逡逑對(duì)詞的頻率分布不敏感、物理解釋性薄弱。學(xué)者們?yōu)榱私鉀Q這些問題提出了邋pLSA逡逑算法[13],如圖1-1所示,通過使用EM(Expectation邋Maximization,期望最大化)算法逡逑對(duì)分布信息進(jìn)行擬合替代了使用SVD進(jìn)行暴力破解,從一定程度上解決了邋LSA的逡逑2逡逑
事故進(jìn)行了分析[24]。逡逑瑞士奶酪模型(Swiss邋Cheese邋Model),作為應(yīng)用最為廣泛的事故致因分析模型逡逑是在1990年由Reason提出的[25][26],如圖1-2所示,模型構(gòu)建了四層防御層,并逡逑把防御層比作奶酪,每片奶酪上的洞表示對(duì)應(yīng)的安全漏洞。當(dāng)所有奶酪層的孔洞逡逑連成直線,形成通道,事故便會(huì)發(fā)生。逡逑-■邐|邋潛在失效逡逑>邋不安管|邐潛在失效逡逑I邋S謾#擼懾義希?逦不:全行为的b姞失效辶x希澹呵疤崽跫!鰣義希懾危苠宀話插澹卞逍形義鮮Щ蚵┒村邋五澹櫻、辶x襄五義賢跡保踩鶚磕湯夷P灣義希疲椋紓酰潁邋澹保插澹裕瑁邋澹櫻鰨椋螅簀澹茫瑁澹澹螅邋澹停錚洌澹戾義希玻笆蘭停梗澳甏,一些学諊唱始从系统角度除b,并结合系鸵r誆亢屯獠懇蛩劐義咸岢雋碩嘀質(zhì)鹿手亂蚍治瞿P。199<忀彫_b幔螅恚酰螅螅澹釤岢雋艘桓雋憬峁溝氖鹿叔義系贗跡粒悖悖椋停幔鵡P,模型是訜府(垮P觶澹潁睿恚澹睿簦,监管机官?fù)协会辶x希村義
本文編號(hào):2792239
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:U298.5
【圖文】:
特征空間時(shí),需要對(duì)整個(gè)空間重新訓(xùn)練,以得到加入新文檔后對(duì)應(yīng)的分布信息。逡逑對(duì)詞的頻率分布不敏感、物理解釋性薄弱。學(xué)者們?yōu)榱私鉀Q這些問題提出了邋pLSA逡逑算法[13],如圖1-1所示,通過使用EM(Expectation邋Maximization,期望最大化)算法逡逑對(duì)分布信息進(jìn)行擬合替代了使用SVD進(jìn)行暴力破解,從一定程度上解決了邋LSA的逡逑2逡逑
事故進(jìn)行了分析[24]。逡逑瑞士奶酪模型(Swiss邋Cheese邋Model),作為應(yīng)用最為廣泛的事故致因分析模型逡逑是在1990年由Reason提出的[25][26],如圖1-2所示,模型構(gòu)建了四層防御層,并逡逑把防御層比作奶酪,每片奶酪上的洞表示對(duì)應(yīng)的安全漏洞。當(dāng)所有奶酪層的孔洞逡逑連成直線,形成通道,事故便會(huì)發(fā)生。逡逑-■邐|邋潛在失效逡逑>邋不安管|邐潛在失效逡逑I邋S謾#擼懾義希?逦不:全行为的b姞失效辶x希澹呵疤崽跫!鰣義希懾危苠宀話插澹卞逍形義鮮Щ蚵┒村邋五澹櫻、辶x襄五義賢跡保踩鶚磕湯夷P灣義希疲椋紓酰潁邋澹保插澹裕瑁邋澹櫻鰨椋螅簀澹茫瑁澹澹螅邋澹停錚洌澹戾義希玻笆蘭停梗澳甏,一些学諊唱始从系统角度除b,并结合系鸵r誆亢屯獠懇蛩劐義咸岢雋碩嘀質(zhì)鹿手亂蚍治瞿P。199<忀彫_b幔螅恚酰螅螅澹釤岢雋艘桓雋憬峁溝氖鹿叔義系贗跡粒悖悖椋停幔鵡P,模型是訜府(垮P觶澹潁睿恚澹睿簦,监管机官?fù)协会辶x希村義
本文編號(hào):2792239
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/2792239.html
最近更新
教材專著