文献类型：期刊文章

作　　者：李莉[1] 贾志凯[1] 张瑜[2] 李时法[3]

LI Li JIA Zhikai ZHANG Yu LI Shifa(China Academy of Railway Science, Beijing 100080, China Beijing Jingwei Information Technologies Company, Beijing 100080, China Xinxiang Hoisting Equipment Factory, Xinxiang, Henan 453003, China)

机构地区：[1]中国铁道科学研究院,北京100080 [2]北京经纬信息技术公司,北京100080 [3]新乡市起重设备厂有限责任公司,河南新乡453003

出　　处：《山东科技大学学报（自然科学版）》

基　　金：中国铁道科学院院基金(2016TJ102)

年　　份：2017

卷　　号：36

期　　号：4

起止页码：16-23

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、MR、RCCSE、ZGKJHX、普通刊

摘　　要：为了有效提高动车组滚动轴承故障的发现率,减少故障监控系统的误报现象,基于Apache Hadoop大数据平台对经典Apriori算法进行改进,并将其应用于动车组滚动轴承故障的预测研究工作中。首先,针对经典Apriori算法的不足,在MapReduce框架下提出以业务经验为约束的改进的Apriori算法。其次,基于文中提出的改进的Apriori算法对某铁路局的动车组状态、故障预警、维修历史等信息进行深度数据挖掘,并通过得出的关联规则进行动车组滚动轴承故障的预测。实验结果表明,文中提出的算法准确率达72%,减少了80%以上的误报报警信息,在实验环境中运算效率较传统的Apriori算法提高了50%。

关 键 词：智能交通 故障预测 APRIORI算法 数据挖掘  大数据  

分 类 号：U279]