導航：安全管理網>> 安全論文>> 綜合安全論文>>正文

基于數據挖掘的危險源辨識技術

文檔作者：蔣裕豐薛建峰孫粵琳文檔來源： 1．河海大學水資源高效利用與工程安全國家工程研究中心 2．南京河?？萍加邢薰?3．中國電力科學研究院 4．中國水利水電科學研究院			點擊數：
下載地址：點擊這里	文件大小： 273.75 KB 共4頁	文檔格式： PDF	下載點數： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大小：273.75 KB 共4頁文件格式：PDF 下載點數：1 點（VIP會員免費）

下一篇：安全理念在安全設施設計中的應用

上一篇：重大危險源風險評價研究及應用

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

水力發電 第39卷第10期
2013年10月
一一- -
基予數據挖掘的危險 辨識技術
蔣裕豐 ，一，薛建峰。，孫粵琳
(1．河海大學水資源高效利用與工程安全國家工程研究中心，江蘇南京210098；
2．南京河?？萍加邢薰荆K南京210098；3．中國電力科學研究院，北京100055；
4．中國水利水電科學研究院，北京100038)
摘要：在對水利水電工程施工事故的危險源進行辨識時，傳統的辨識方法主觀性過強，效率與準確度不高。采用
基于數據挖掘的危險源辨識技術對歷史施工事故數據進行挖掘．通過研究施工事故、危險源以及能量體的關聯屬性
構建合理的關聯規則，提高了危險源辨識的效率和準確度。實際應用結果表明，該方法切實可行，能夠較為準確、
高效地辨識各類危險源。
關鍵詞：施工事故；數據挖掘；危險源辨識；關聯規則
Hazard Identification Technology Based on Data M ining
JIANG Yu~ng 一，XUE Jianfeng3，SUN Yuelin
(1．National Engineering Research Center of Water Resources Eficient Utilization and Engineering Safety,
Hohai University．Naming 210098,Jiangs~China；2 Nanjing Hohai Technology Compan~Nanjing 21009&amp;amp;Jiangsu,China；
3．Electric PowerResearch Institute in China,Beijing 100055，China；
4．China Institute ofWater Resources＆Hydropower Research，Beijing 100038，China)
Abstract Traditional hazard identification methods in construction accident prevention of water conservancy and hydropower
projects often have too much subjectivity and low eficiency,SO a new hazard identification technology based on data mining is
studied herein for improving the eficiency and accuracy of construction hazard identification．This new method can establish
reasonable accident association rules by studying the associated attributes of accidents，hazards and energy based on history
construction accident data．The actual application shows that this method is feasible and can identify hazard resources accurately
and efficiently．
Key W ords：construction accident；data mining；hazard identification；association rule
中圖分類號：Tv5l；TP392 文獻標識碼：A 文章編號：0559—9342(2013)10—0044—03
隨著“西部開發” 和“西電東送” 的開展。我
國水電建設進入了全面提速階段。然而，施工中事
故時有發生，不僅帶來巨大的人員傷亡和經濟損失．
還嚴重制約了水利水電事業的進一步發展1-2]。為預
防和控制此類事故的發生，需要對水利水電工程施
工過程進行詳細的危險源辨識。事實上， 許多施工
事故是有先例可循的，如何從大量的歷史信息中總
結經驗教訓成為危險源辨識和控制的重要研究內容。
傳統的經驗預測法汲取了施工安全控制的經驗．使
用簡單， 是較為常用的危險源辨識方法，但其主觀
誓盈Water Po er Vo1．39 No． 0
性過強，人工干預較多f3]。本文提出了基于數據挖掘
的危險源辨識方法， 其基本思想是利用數據挖掘技
術充分挖掘施工事故歷史數據中蘊含的信息，用于
指導發現危險源的特征和詳細情況。進而更好地控
制危險源，達到安全施工的目的。
收稿日期：2012—07—01
基金項目： 國家自然科學基金重點項目(51139001，51079086)
作者簡介：蔣裕豐(1983一)， 男， 江蘇宜興人，工程師， 博
士，研究方向為大壩安全監測及水工程安全．
第39卷第10期 蔣裕豐，等：基于數據挖掘的危險源辨識技術
1 數據挖掘
數據挖掘(Data Mining簡稱DM)在最近幾年里
已被數據庫界廣泛研究， 并成功應用于多個領域 。
該方法是從大量的、隨機的、不完全的、有噪聲的、
模糊的數據庫中，提取隱含在其中的、人們預先未
知的、但又是潛在有用的信息和知識的過程，是數
據庫技術、人工智能、機器學習、模糊邏輯、統計
分析、模式識別等多個學科相結合的產物。數據挖
掘的主要步驟包括數據準備、數據挖掘、結果解釋
和評價。數據挖掘的全過程見圖1。
— — — — — — — — 一數據準備—————————— 數據挖掘—． 一結果解釋和評價一1
L 一一上一一一J一～ 一一一I
圖1 數據挖掘過程
1．1 數據準備
數據準備過程可細分為3個子步驟，包括數據
集成、數據選擇和數據預處理。數據集成是指將來
自于多個數據源中、具有一定相關性的數據組合在
一起， 目的是進行信息整合。連通“信息孤島”，共
享信息，解決數據的分布性和異構性的問題。數據
選取的目的是確定發現任務操作的目標對象， 即目
標數據，是根據用戶的需求從集成數據庫中抽取的
一組數據。數據預處理一般包括消除噪聲、消除重
復記錄、推算缺失數據、進行相關數據轉換以及對
數據進行降維操作， 即從目標數據的初始特征中找
出真正有用的關鍵特征． 以減少數據挖掘需要考慮
的參數個數。
1．2 數據挖掘過程
數據挖掘過程主要是利用各種數據挖掘方法對
數據進行分析。首先確定數據挖掘的目的和挖掘的
知識類型；再根據挖掘的知識類型選定合適的數據
挖掘方法；最后實施數據挖掘操作，利用選定的挖
掘算法搜索數據中的模式， 并從數據庫中抽取所需
的知識。常用的數據挖掘方法主要有關聯規則法、
分類聚類法、數據統計法、機器學習法、多層次數
據匯總歸納法、神經網絡法、決策樹法和序列模式
分析法等，要針對具體的挖掘特征選擇合理的數據
挖掘方法。
1．3 結果解釋和評價
對數據挖掘階段得到的知識要經過進一步的評
估和處理。對可能存在冗余或相關性很小的知識要
將其剔除；如果挖掘所得的知識不符合用戶需求，
則需要重復上述挖掘過程重新挖掘。此外，數據挖
掘是為用戶服務的．需要對挖掘得到的知識進行解
釋，使用戶更容易理解和接受(主要采用可視化的
方式)。
2 基于數據挖掘的危險源辨識關鍵技術
2．1 數據準備
為了減少數據挖掘的工作量。提高挖掘算法的
效率和準確性，需要進行充分合理的危險源辨識數
據準備工作。
(1)根據挖掘主體設計數據集市， 并構建事例
表和多維數據立方體。對危險源辨識而言， 主要的
研究對象為施工事故、施工危險源以及施工能量體。
對這3個對象開展屬性研究， 選取最能表達對象特
征和關鍵影響因素的屬性構建各自的事例表，并添
加3個對象相互聯系的關系屬性，將施工事故、危
險源以及能量體有機地結合起來，構成關系數據表
和數據集市。其設計模式通常可采用星形或雪花形，
相關數據庫管理軟件可采用Microsoft SQL Server。
施工事故、危險源以及能量體的相關屬性及相互聯
系見圖2
事故類別1 f所屬Ⅲl
＼ ／＼＼ J她 }·
能吊體
施工
危險源
分類
所屬項目)
＼ —
— ／
／
儷
／1＼方式
圖2 實體對象屬性關系
(2) 利用Windows操作系統的數據源管理器
(Open Database Connectivity 簡稱ODBC) 導人
Microsoft SQL Server關系數據庫中的相關數據表，
由此建立系統數據源，并由MS Analysis Service動
名～ ／
態連接至指定數據源。
(3)利用MS Analysis Service創建挖掘目標數
據庫，該數據庫的本質是虛擬的， 用來存放數據挖
掘結構的數據源、多維數據集、共享維度、數據挖
掘模型庫以及數據庫角色。數據源是特指用于存放
相關數據庫的數據源： 多維數據集是用于存放多維
數據立方體對象：共享維度是存放所有立方體公用
的維：數據挖掘模型庫是存放特定的數據挖掘模型；
數據庫角色用來存放數據庫中所有的角色信息。
2．2 數據挖掘方法
根據危險源辨識以及構建目標數據庫的特征，
本文選取關聯規則方法作為危險源辨識的數據挖掘
方法。關聯規則法是數據挖掘中最為常用的一種方
法， 已成功地應用于多個數據挖掘領域。關聯規則
是指在數據集中支持度和置信度分別滿足給定閾值
的規則， 由此反映一個事物與其他事物之間的相互
依存性和關聯性。舉例來說，對某超市出售記錄信
息數據庫進行分析可以發現如下關聯規則：90％ 客
戶在購買面包的同時也會購買牛奶， 即顧客在購買
某些商品的時候有一定比例的傾向購買另外一些商
品． 由此可以更好地了解顧客的購買習慣，做好商
品的調配T作，提高銷售量l 5l。
對于水利水電工程施工危險源辨識而言同樣存
在類似的關聯規則。對歷史上發生的施工事故進行
關聯分析．可以發現事故的發生與哪些因素相關性
較高．如能獲得這一關聯規則的規律性， 即可指導
現有的工程施工． 發現潛在的危險因素．并對這些
危險源進行管理和控制，保證安全高效的施工。因
此． 本文嘗試構建水利水電工程施工危險源數據挖
掘關聯規則。
根據危險源的定義和分類，對施工事故、危險
源以及能量體進行屬性分析， 提出“水利水電工程
施工事故屬性” 這一概念，具體是指水利水電工程
施工事故發生時，施工組織設計、施工對象、施工
人員、施工設備以及施工環境所處的狀態。這樣，
就可以將大量的水利水電工程施工事故數據按照其
屬性組織為信息進行數據挖掘，研究各項屬性與事
故之間的聯系。采用文本形式描述規則如下
(A1，A 2，?A )jD(sup，COn)
式中，A ，A：，?A 為規則的前提條件， 即各項水利
水電工程施工事故屬性；D代表規則的結果， 即發
生事故：sup 表示該規則的支持度， 即所有記錄中
A ，A：，?A 同時出現的概率；COn表示該規則的置
信度， 即A。，A ，?A 同時出現時發生D 的概率。
根據用戶的需求設置最小支持度和最小置信度，
當規則滿足用戶指定的最小支持度和最小置信度時，
圜W(rter Power Vo1．39 No．10
可以認為該規則是較常見、可信度較高的。
規則是否適用取決于用戶的感覺和需求， 需要
用戶參與決定規則的有效性和可行性，這樣才能將
用戶需求與挖掘系統更緊密地結合起來。具體方法
為采用一種基于約束的數據挖掘，約束內容如下：
(1)數據約束。用戶可指定數據挖掘的范圍，
而不是對全部數據進行挖掘。
(2)挖掘層次與維的約束。用戶可指定數據挖
掘系統在指定的層次和維度上進行數據挖掘。
(3)規則約束?？筛鶕脩粜枨筮x擇規則的類
型，如引入模板和興趣度的概念，用戶可利用模板
和興趣度確定哪些規則是令人感興趣的，而哪些則
不然。
最后。根據關聯規則對現有水利水電工程施工
資料進行數據挖掘，對符合一定支持度和置信度的
危險因素， 可以認為其為水利水電工程施工危險源，
需要對其開展監測和控制，保證施工安全進行。
3 實例應用
對水利水電工程施工進行基于數據挖掘的危險
源辨識．危險源辨識數據挖掘方法見圖3。
垂畔 1=二=三 董蘭二
／1 控制I＼ ＼
I 由]r{g- ☆ 【德晤 I p r籪 ?0麗? ‘“ 1
圖3 危險源辨識數據挖掘方法
利用上述方法對某工程高邊坡土方開挖施工進
行危險源辨識，結果見表1。
4 結語
防止危險源引發重大事故，首要任務就是要根
據危險源定義辨識哪些是可能引發事故的潛在危險
源。而基于數據挖掘技術的危險源(下轉第64頁)
(m·kW 制)。
根據國內外已建和在建電站的統計資料以及
經驗統計公式， 結合本電站具體情況。水輪機模
型目標參數如下： 比速系數K 為1800～2050． 比
轉速 為1l7．2～133．4 (m·kW制)，最優工況單位
轉速 。為63．5～66．5 r／min， 限制工況單位流量
p 為0．35～0．45 m3／s，轉輪臨界空化系數O"c為0．045～
0．06，模型轉輪最高效率 ≥94％ ，模型轉輪額
定點效率叼 ≥91．5％ 。因本電站最大水頭與額定
水頭相差較大，為改善水輪機部分負荷時運行的
穩定性， 最優工況單位流量與限制工況單位流量
應盡量拉大距離， 控制最優工況單位流量為限制
工況單位流量0．8倍以下． 即最優工況單位流量
p1l0為0．28-0．36 1Tl ／s。
3．3 水輪機原型技術參數
根據水輪機模型目標參數．并經技術經濟比較．
最終確定如美水電站水輪機原型參數如下：水輪機
型號為HL131．9一LJ一630，轉輪直徑D1=6．3 m，額定
轉速166．7 r／min (飛逸轉速310 fmin)，額定水頭
236．0 m， 額定流量250．6 m3／s． 額定出力535．7
MW ，額定點效率92．6％ ， 額定點比轉速131．9 (m·
kW 制)， 比速系數2 026．3， 吸出高度 ≥ 一10．67
(上接第46頁)
表1 土方開挖塌方事故危險源辨識
危險源類別 危險源內容
施工載體危險源 邊坡或土方
設備重型設備通過坡 邊坡上堆放器材
原料 原料、廢棄物等放置在邊坡上
寄傘 土體無固壁支護
設尊備 危險源 防護 固?壁支護‘ 有’ 缺?陷
人的不 人處于不安全的位置
安全行為 自身行為不安全
安全檢查存在缺陷
安全管理
發現問題處理不及時
設計因素 邊坡設計不穩定
任意修改邊坡
將邊坡開挖成反坡
自嫠然 災薹害 危瑟險源酒 施工因素 掏挖
水力開挖掌子面過高
自然災害 暴雨沖刷或冰雪融化
災害 地震或爆破振動
圈 erPower Vo1．39No．10
m， 安裝高程2 605．0 m．壓力脈動相對值△ 日在
70％～100％額定出力時不大于3％ ．在全負荷范同內
最大不超過4％ 。
4 結語
如美水電站地處西藏高寒、高海拔地區， 機組
單機容量大， 運行水頭高且水頭變幅較大，汛期過
機泥沙較多且硬度較大，存在一定的泥沙磨損。這
些都對機組參數選擇和結構設計提出了較為特殊的
要求． 在設計過程中應綜合考慮高海拔地區機組選
擇時應注意的問題，適當降低水輪機比轉速及比速
系數水平，優化機組結構形式， 確保機組投產后安
全、可靠、穩定運行。
參考文獻：
[1] 李慶忠，等．重力加速度值的計算及實際應用．計量技術[J]．
2001(4)：11-15．
[2] DUT 5058—1996 水電站調壓室設計規范[S]．
『3] 管德靈．西藏高原水輪機空蝕問題的探討．水利水電科技進展
[J]．1996(6)：58—61．
[4] 李修樹．西藏地區水輪機選型設計的幾個主要問題探討[J]．水
力發電，2011，37(4)：82—84．
(責任編輯高 瑜)
辨識技術能夠從歷史數據出發，深入挖掘施工事故
歷史數據，通過研究施工事故、危險源以及能量體
的關聯屬性構建合理的關聯規則．對符合一定支持
度和置信度的危險因素進行危險源確認， 從而進一
步對該危險源展開監測和控制。保證施工安全進行。
數據挖掘方法的引入不僅很好地利用了歷史施工事
故數據， 也通過規則的設置，提高了危險源辨識的
效率和準確度，避免了過于依賴主觀辨識的缺點，
為施工危險源辨識提供了新的思路和方法。
參考文獻：
『1] 楊則珂．水利水電工程施工傷亡事故案例與分析(第一集)
[M]．北京：中國電力出版社，1996．
『2] 付元初．水利水電工程施工傷亡事故案例與分析(第二集)
[M]．北京：中國建筑工業出版社，2001．
[3] 吳宗之，高進東， 張興凱．工業危險辯識與評價[M]．北京：氣
象出版社．2000．
[4] 范明，孟曉峰．數據挖掘概念與技術[M]．北京：機械工業出版
社．2001．
[5] 吳良剛，周海濤．一種基于數理統計的數據挖掘方法研究[J]．
計算機與信息技術，2001，96(9)：1-5．
(責任編輯楊健)

網友評論 more

綜合安全論文最新內容

02-06