基于关联规则的工业控制系统运维数据挖掘方法

大型工业控制系统中存在海量的运维数据,为了降低高维数据最大频繁项集对数据挖掘结果的影响,提升控制系统性能和环境安全,在关联规则的基础上,提出了一种新的数据挖掘方法。在给定的事务数据库中,通过不断改变数值,使得支持度和置信度始终保持最小值,保证关联规则为强关联;经过预处理,将数据转换为离散型数据,运用Apriori算法和DLG算法产生频繁项目集,构建关联图得到频繁项集。当不再产生新的项集时终止计算,所得项集即为最终的数据挖掘结果。在TEP仿真系统上展开实验,结果表明,所提方法可以准确挖掘到控制系统运行过程中的异常数据,并以明显的波动提醒工作人员及时查看。