基于数据挖掘的化工生产事故致因主题抽取

论文摘要

为充分挖掘化工生产事故数据中的有效信息和潜在规律,提高对化工事故认知水平,针对某化工集团2010—2016年共1 578起事故数据,利用社会网络分析等方法揭示事故要素间的关联关系;运用潜在狄利克雷分配(LDA)模型进行事故聚类,并抽取到5个事故致因主题。研究结果表明:LDA主题模型等数据挖掘技术能有效挖掘大量事故数据中的潜在信息; 5个事故致因主题中,4个涉及到人因或组织层面的缺陷;员工注意力不集中和现场风险管理不足这2个致因主题间具有较强相关性;员工注意力不集中、现场风险管理不足以及设备问题是导致事故发生的主要原因。

论文目录

• 0 引言
• 1 数据挖掘
•   1.1 化工安全生产事故数据特征
•   1.2 LDA主题模型
•   1.3 Tf-idf算法
•   1.4 社会网络分析法
• 2 化工事故致因挖掘流程
•   2.1 数据收集与处理
•   2.2 事故致因挖掘
•   2.3 结果可视化分析
• 3 结果及分析
•   3.1 事故关键词权重矩阵
•   3.2 事故关键词关系网络
•   3.3 事故致因主题结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 牛毅,樊运晓,高远

关键词: 化工事故,文本数据,数据挖掘,潜在狄利克雷分配,事故致因

来源: 中国安全生产科学技术 2019年10期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 有机化工,安全科学与灾害防治,计算机软件及计算机应用

单位: 中国地质大学(北京)工程技术学院

基金: 国家自然科学基金项目(51474193)

分类号: TP391.1;TP311.13;TQ086

页码: 165-170

总页数: 6

文件大小: 1289K

下载量: 387