基于改进Apriori算法的地铁故障关联规则挖掘

摘要：

地铁作为城市公共客运的重要载体,其系统设备在运营过程中难免发生一些故障.因此,应用数据挖掘技术对已有地铁故障数据进行关联规则挖掘,分析其影响,对故障预警与风险危害评估具有重大意义.针对地铁故障数据种类多样、影响程度难以界定等问题,建立考虑故障关联的改进Apriori算法,与经典的FP-Growth算法进行对比,对地铁故障关联规则进行研究,优化该算法的基本思想和流程.选取某地铁2020年设备故障数据为例,对其进行详细地分析,基于Python语言实现建模仿真,输出得到车载ATP故障、信号设备故障等多类故障之间的关联规则结果,为地铁故障影响程度分析、故障诊断、故障预警、风险危害等级划分等提供重要的参考依据.

关键词：地铁故障;数据挖掘;关联规则;Apriori算法

所属期刊栏目：42

分类号：TP181;TP391;U-9;U1;U4(自动化基础理论)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2022-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：210-215