文献类型：期刊文章

作　　者：张铭[1] 王富章[1] 程超[2]

机构地区：[1]中国铁道科学研究院电子计算技术研究所,北京100081 [2]北京经纬信息技术公司,北京100081

出　　处：《计算机工程与应用》

基　　金：铁路总公司科技研究开发计划重大课题资助(No.2013X009-A-1)

年　　份：2016

卷　　号：52

期　　号：11

起止页码：259-264

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对城市轨道交通的海量监控报警数据分析难度大的问题,结合设备故障特征,应用数据挖掘方法定义聚类特征树,建立基于故障集的层次聚类分析模型,取得故障要素的高频聚类并识别关联规则。通过构建故障贝叶斯层次网络,提出故障预警模型,计算取值概率推断预警值,进一步探讨了关联性预警的识别和应用策略。采用某城市轨道交通的阶段报警数据实例验证,表明识别出的故障关联规则与实际较好地符合,利用该方法推断故障预警能快速定位风险隐患,为安全管理提供有效的决策支持。

关 键 词：城市轨道交通 故障  预警  聚类 贝叶斯网络

分 类 号：TP18] U121]