本文關(guān)鍵詞：大數(shù)據(jù)環(huán)境下動(dòng)車組故障關(guān)聯(lián)關(guān)系分析關(guān)鍵技術(shù)研究與實(shí)現(xiàn)

  更多相關(guān)文章： 動(dòng)車組 大數(shù)據(jù) 數(shù)據(jù)挖掘 關(guān)聯(lián)規(guī)則 Eclat算法 Hadoop

【摘要】：隨著動(dòng)車組的高速發(fā)展和大規(guī)模的使用,動(dòng)車組已經(jīng)成為了鐵路客運(yùn)和貨運(yùn)的重要工具,具有高效、安全、快速、高標(biāo)準(zhǔn)的服務(wù)功能,在交通中起到的重要作用也易于凸顯。我國(guó)高速鐵路經(jīng)過(guò)十多年的運(yùn)營(yíng),積累了大量的故障數(shù)據(jù),且每天都在收到新的數(shù)據(jù),如何從中挖掘出有效的信息和知識(shí),為動(dòng)車組運(yùn)行安全、故障診斷和維修等工作提供決策支持,具有重大意義。近年來(lái),高速動(dòng)車組技術(shù)飛速發(fā)展,數(shù)據(jù)累積呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)趨勢(shì),傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法很難滿足需求�；诖�,本文將關(guān)聯(lián)規(guī)則挖掘算法Eclat算法與目前流行的云計(jì)算平臺(tái)MapReduce結(jié)合,把海量的動(dòng)車組故障數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘任務(wù)分解到集群中的多臺(tái)計(jì)算機(jī)上并行處理,提高了關(guān)聯(lián)規(guī)則挖掘的效率。通常數(shù)據(jù)庫(kù)有水平數(shù)據(jù)表示和垂直數(shù)據(jù)表示兩種形式,常見(jiàn)的關(guān)聯(lián)規(guī)則算法Apriori算法和FP-Growth算法都是基于水平數(shù)據(jù)表示的。Eclat算法是首個(gè)采用垂直數(shù)據(jù)表示的關(guān)聯(lián)挖掘算法。Eclat算法在項(xiàng)集規(guī)模龐大時(shí),交集操作消耗大量時(shí)間和系統(tǒng)內(nèi)存。本文首先對(duì)Eclat算法進(jìn)行了深入的研究和分析,針對(duì)Eclat算法在挖掘海量數(shù)據(jù)中的頻繁項(xiàng)目集時(shí)存在的內(nèi)存和計(jì)算資源不足等問(wèn)題,提出基于MapReduce的改進(jìn)算法,并應(yīng)用于動(dòng)車組故障關(guān)聯(lián)規(guī)則挖掘,相對(duì)于傳統(tǒng)挖掘算法,效率有顯著提升。本論文最后還針對(duì)動(dòng)車組故障等級(jí)劃分,故障數(shù)據(jù)重要性不一致提出了加權(quán)的關(guān)聯(lián)規(guī)則挖掘算法,剔除挖掘結(jié)果中沒(méi)有意義的關(guān)聯(lián)規(guī)則,優(yōu)先挖掘出包含高等級(jí)故障的規(guī)則,符合現(xiàn)實(shí)要求,對(duì)動(dòng)車組故障檢測(cè)和預(yù)防,故障的快速定位提供幫助。
【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】：2016
【分類號(hào)】：U269;TP311.13

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 廖飛;黃晟;龔德俊;安樂(lè);;基于Hadoop的城市道路交通流量數(shù)據(jù)分布式存儲(chǔ)與挖掘分析研究[J];公路與汽運(yùn);2013年05期

2 田秀霞;周耀君;畢忠勤;彭源;;基于Hadoop架構(gòu)的分布式計(jì)算和存儲(chǔ)技術(shù)及其應(yīng)用[J];上海電力學(xué)院學(xué)報(bào);2011年01期

3 王俊生;施運(yùn)梅;張仰森;;基于Hadoop的分布式搜索引擎關(guān)鍵技術(shù)[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 顏昌盛;高明星;趙s，

本文編號(hào)：1247064