基于BL-Apriori的民航机务风险关联规则分析

为了解决机务维修领域风险分析过程中文本数据挖掘不充分问题,提出1种基于二进制逻辑“与”运算改进的Apriori关联规则挖掘方法,采集到飞机维修企业2012—2021年机务维修领域不安全事件报告,最终成功挖掘出民航机务维修领域具有耦合性、关联性的风险要素,并对风险要素之间的关联规则进行分析。研究结果表明:改进后的算法运行时间从0.153 s降低至0.034 s,挖掘到机务风险中飞机检查不全面、人员遗忘/疏漏等为主要因素,与工程实际相符。研究结果可为机务安全管理提供决策支持。

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。

基于时间序列关联分析的稳定运行规则提取方法

提出一种考虑运行方式变化时序的稳定规则提取方法。利用主成分分析进行敏感特征提取。对传统方法在数据标准化中存在的问题,通过数据均值化处理,保留原数据中各变量变异程度的差异信息。

铝电解控制中灰关联规则挖掘算法的应用

在事务拓扑空间的基础上,将灰色系统理论引入属性集的关联规则挖掘中,提出了一种新的适用于铝电解工业控制现场的灰关联度挖掘框架,并给出了基于该框架的灰关联规则挖掘算法,即Gray＿CTL挖掘算法。将算法分解为两个小问题:1)计算关于时间属性的灰关联度,这是算法的核心;2)挖掘灰关联规则。以电解槽的热平衡数据挖掘为例,对某电解槽一个月的生产数据进行分析后,获得的灰关联规则说明该段时间内分子比、槽电压等因素对温度的影响程度较大。

基于增量数据挖掘的氧量最优值确定

氧量是锅炉运行的重要参数,氧量最优值的合理确定是提高机组运行水平的重要措施。该文提出了基于增量数据挖掘的氧量最优值确定新方法。在机组实际运行数据的基础上采用模糊数值型关联规则挖掘算法挖掘机组的最优氧量及其所有频繁项集,同时将增量挖掘引入到关联规则挖掘过程中,提出改进的增量式模糊数值型关联规则挖掘算法,解决机组运行状态发生改变后的最优值增量更新问题,提高了挖掘的效率。通过对某300MW机组运行数据的分析表明,该方法确定的氧量最优值可以降低机组供电煤耗率,提高运行经济性,可用于指导机组优化运行。

锅炉经济性分析及最优氧量的确定

在锅炉送风及炉膛压力控制系统中，氧量设定值的改变会导致锅炉热损失及送风机电耗的改变，从而影响电站经济性．针对机组运行状态发生改变后的氧量最优值更新问题，提出了改进的增量式模糊数值型关联规则挖掘算法，并以1台300MW机组为例进行了分析．结果表明：这种新的挖掘算法与传统的数据挖掘方法相比，具有良好的快速性，效率可提高4～16倍，大大减少了候选项集的数目，因而大量减少了重复计算的费用．该方法确定的氧量最优值可有效降低机组供电煤耗效率，并可提高机组运行经济性．

数据挖掘技术在火电厂优化运行中的应用

火电机组运行优化目标值的合理确定是实施机组性能诊断和优化运行的前提和基础,是电站运行优化的关键。采用传统方法确定的优化目标值往往不能正确反映机组的实际运行状态。充分利用火电厂生产运行的大量历史数据,提出了数据挖掘的火电机组运行优化方法,将模糊关联规则应用于火电厂运行优化目标值的确定。以某300 MW机组历史数据为基础,运用这一方法得到各典型工况下的最优值以指导实际运行。试验结果表明,基于数据挖掘的火电厂运行优化目标值确定方法可以提高机组运行效率,降低污染物排放。

基于工况划分的电厂经济性指标挖掘

数据挖掘技术能充分提取出电厂SIS存储的大量生产数据中隐藏的生产规律。目前的电厂生产数据挖掘因受数据源不足、电厂生产过程了解不够等因素制约,存在原始数据量不够、非稳态数据挖掘、挖掘结果实际指导意义不足的问题。按电厂生产特点提出了基于工况划分、以关联规则为手段的电厂数据挖掘,同时以盘山电厂600MW机组1个月的历史数据为基础,抽取出所有稳态数据,在以负荷、循环水进口温度、煤质为外部条件进行工况划分的基础上,用关联规则对电厂经济性指标——供电煤耗率进行了挖掘,抽取出了相关工况下的运行模式。实际应用表明,该方法对机组运行经济性规律的分析及优化运行具有指导意义。

基于FP-growth关联规则的图书馆数据快速挖掘算法研究

作为一种模糊关联规则挖掘算法,FP-growth算法在执行效率上明显优于Apriori算法。但是由于模糊属性的不足和空间复杂度较大,导致FP-growth算法在处理大型事务数据库,例如图书馆数据库时,无法实现有效的多层关联规则挖掘。因此,提出一种改进的FP-growth关联规则算法,能够快速向读者进行个性化图书推荐。首先,该算法把大型图书事务数据库根据首项的事务,划分为若干子数据库,并构建相应的子FP-tree结构;然后,采用实时过滤掉层次树中不是频繁项的父项来缩小扫描空间。实验结果表明:相比Apriori算法和标准FP-growth算法,提出的改进FP-growth关联规则算法在运行效率方面有明显提升,为图书的推荐工作提供了科学依据。

一个新的挖掘广义关联规则算法

在分析广义关联规则基本模型和求解关联规则的基本性质基础上，提出一个新的基于关系操作的挖掘广义关联规则算法，该算法既使用了成熟的关系操作又充分利用先验，在多概念层上交互挖掘关联规则，有很好的实用性．

基于多变异粒子群优化算法的模糊关联规则挖掘

针对事务数据库中连续型数值较难划分及粒子群优化算法易陷入局部最优的问题,提出一种用多变异粒子群优化算法进行模糊关联规则提取的框架,即先对连续型数值进行模糊区间划分,再通过多变异粒子群优化算法对划分结果进行模糊关联规则挖掘。分别对模糊划分方法和多变异粒子群优化算法的相关参数及框架等进行说明。在多组实验中进行比较分析,结果表明了该方法的准确性和有效性。

一种基于上三角频繁项集矩阵的频繁模式挖掘算法

提出了一种高效挖掘数据的频繁项目集模式的算法FIA.该算法采用一种二进制符号来表示数据,在仅扫描数据库一次之后,建立起二进制向量与上三角频繁项集矩阵,根据两者来产生出频繁项集.从而有效地缩小了搜索空间,加快了处理速度.通过实验表明,FIA算法比Apriori算法更有效.

数据挖掘技术在锅炉中的运用

随着我国电力工业的迅猛发展,电站信息的集成度将越来越高。海量的传感器数据和专家经验提供了大量反映机组运行状态的信息,利用数据挖掘方法对这些宝贵的信息资源进行加工与应用,必将对运行优化和提高机组的经济性、安全性、可靠性等都具有重要的现实意义。将数据挖掘理论与应用同电站运行优化相结合,将数据挖掘技术引入电站锅炉运行优化过程,提出了基于数据挖掘的电站锅炉运行优化新方法。利用电厂锅炉的实时数据找出当前工况运行参数的最优值,此最优值可以使锅炉的效率显著提高。同时把最优值反馈给机组运行人员,指导运行人员的操作。

基于数据挖掘的电力设备运维与决策分析方法

电力设备的运维管理主要包括设备的故障分析、主动预警和差异化运维.在面对电网运行过程中多时间尺度、多时空维度的海量数据背景下,文中将数据挖掘技术应用到电力设备的运行管理上.文中利用K-means聚类算法挖掘历史运行数据信息,进行单维状态量故障特征提取;利用Apriori算法挖掘不同故障模式下关联规则,建立关键性能矩阵,借助高维随机矩阵理论分析设备故障的时空特性;利用D-S证据理论对单维与多维诊断结果进行信息合成,获得设备故障的诊断判据.同时,综合考虑系统运行状态和电力用户差异性,建立设备健康度指数以及重要度指数,显著降低设备运维决策风险.仿真案例证明了本文方法的有效性.

基于项集优化重组的频繁项集发现算法

发现频繁项集是关联规则挖掘的主要途径,也是关联规则挖掘算法研究的重点。关联规则挖掘的经典Apriori算法及其改进算法大致可以归为基于SQL和基于内存两类。为了提高挖掘效率,在仔细分析了基于内存算法存在效率瓶颈的基础上,提出了一种发现频繁项集的改进算法。该算法使用了一种快速产生和验证候选项集的方法,提高了生成项目集的速度。实验结果显示该算法能有效提高挖掘效率。

基于数据挖掘技术的图书馆个性化快速推荐算法研究

随着高校图书管理系统建设的不断发展,广大师生的图书借阅活动产生了大量的浏览数据。为了对以上借阅信息进行数据挖掘以便为读者提供更高水平的服务,提出一种基于数据挖掘技术的图书馆个性化快速推荐算法。首先对数据挖掘的主要方法和组织结构进行了介绍;然后对经典关联规则挖掘算法中的Apriori算法进行改进,提高了关联规则的运算效率;最后采用改进的Apriori算法对图书借阅历史数据进行关联分析,从而对读者做出个性化的推荐。实验结果表明,提出的图书馆个性化快速推荐算法具有较高的准确度和运行效率。

关联规则在倒班运行质量分析中的应用

研究一个倒班运行质量分析问题 ,并应用关联规则发现的方法 ,产生运行班组与运行质量评价指标之间的关联规则 ,用于评判班组的运行质量 .针对问题的特殊性 ,对关联规则发现的Apriori算法作了改进 ,并给出在火电厂锅炉运行质量分析中应用的例子 .

基于数据挖掘的空调使用行为特征及运行模式分析

为明确教学建筑的空调使用特征以及其运行规则,该文基于某高校校园节能监管平台夏季逐时监测数据,统计分析了校园内的空调使用行为特征以及温度特征。利用数据挖掘中的关联规则分析方法提炼了空调使用行为的频繁模式,并揭示了不同空调使用行为与室内温度的对应关系。结果表明,高校授课期间空调使用5 h以下情况占比为67.2%,且空调开启时间在上午与下午的占比接近。得到了短时间、中长时间、长时间空调使用情况下的3种频繁模式:短时间使用情况下,空调设定温度低于26℃,空调开启时温度通常处于热感受为中性的温度区间;长时间使用情况下,空调设定温度高于26℃,且开启时室内温度对应热感受为暖的温度区间。

海运物流信息风险对操作风险影响机理研究

为了探究海运物流中信息风险对操作风险的影响机理,通过文献梳理和问卷调查法分别进行相关风险识别和风险频率的数据收集,采用基于软集的关联规则方法对海运物流信息风险与操作风险之间的关联性进行挖掘。研究结果表明:信息及时性风险会对资产受损/丢失风险产生很强的影响;信息安全性风险会对货物受损/丢失风险、资产受损/丢失风险、人员安全风险产生较强的影响;信息准确性风险对运输延误风险、仓储风险会产生一定程度的影响。

基于覆盖运算的代表关联规则挖掘

在大型数据库项目之间挖掘出的关联规则数常常是巨大的。为缩减关联规则表示,该文基于覆盖运算的定义,讨论如何从已知关联规则导出其它关联规则,指出存在能覆盖全部关联规则的代表关联规则集,最后给出计算代表规则的算法。