基于垂直数据格式的企业隐患预警方法研究

doi:10.16265/j.cnki.issn1003-3033.2017.02.028

中国安全科学学报 ›› 2017, Vol. 27 ›› Issue (2): 157-162.doi: 10.16265/j.cnki.issn1003-3033.2017.02.028

基于垂直数据格式的企业隐患预警方法研究

王新浩¹, 秦绪华², 罗云¹ 教授

1 中国地质大学(北京) 工程技术学院,北京 100083
2 国网吉林电力科学研究院,吉林长春 130021

收稿日期:2016-10-25 修回日期:2016-12-26 出版日期:2017-02-28 发布日期:2020-11-22
作者简介:王新浩 (1992—),山东莱芜人,博士研究生,主要研究方向为风险管理。E-mail:wangxh0111@163.com。
基金资助:
国家科技支撑计划项目(2015BAK16B03);国家重点研发计划项目(2016YCF0801906)。

Research on vertical data format based method for enterprise hidden trouble early warning

WANG Xinhao¹, QIN Xuhua², LUO Yun¹

1 School of Engineering & Technology, China University of Geosciences Beijing, Beijing 100083, China
2 Jilin Electric Power Science Research Institute, Changchun Jilin 130021, China

Received:2016-10-25 Revised:2016-12-26 Online:2017-02-28 Published:2020-11-22

摘要/Abstract

摘要： 企业在事故隐患排查治理过程中积累了大量隐患数据,为挖掘其潜在价值,实现事故隐患预警预控,针对隐患类型多、数量大的特点,应用垂直数据格式挖掘算法对高维隐患数据进行关联规则挖掘,并利用Kulc和不平衡比(IR)减小隐患出现频率差异对规则的影响;在此基础上,设计基于关联规则的隐患预警评估模型,并对预警信息进行可视化处理,最终构建完整的企业隐患预警方法。以130家机械制造企业的53 029条隐患数据为例,验证所建预警方法的可行性。结果表明,该方法对事故隐患预警的准确率为80.62%。

关键词: 事故隐患, 潜在价值, 垂直数据格式, 关联规则, 评估模型, 可视化

Abstract: A large number of accidents data have been accumulated as a result of the daily safety checks and hidden troubles investigation. In order to exploit the potential value of the data,achieve the early warning task,vertical data format mining algorithm was applied to mining association rules in the data on high dimensional hidden troubles ,and Kulczynski metric and Imbalance Ratio(IR)were used to reduce the effects of frequency difference of hidden danger on the rules. On this basis, an association rules based model was designed for hidden troubles early warning assessment, and the early warning information was visulized. Finally, a complete enterprise hidden troubles warning process was formed. 53 029 pieces of data on hidden troubles in 130 mechanical manufacturing enterprises in 2013 were taken as an example to verify the feasibility.The results show that the accuracy of the method is 80.62%.

Key words: hidden trouble, potential value, vertical data format, association rule, risk assessment model, visualization

中图分类号:

X924.4

王新浩, 秦绪华, 罗云. 基于垂直数据格式的企业隐患预警方法研究[J]. 中国安全科学学报, 2017, 27(2): 157-162.

WANG Xinhao , QIN Xuhua , LUO Yun. Research on vertical data format based method for enterprise hidden trouble early warning[J]. China Safety Science Journal, 2017, 27(2): 157-162.

参考文献

[1] 谭章禄,王泽,陈晓. 基于LDA的煤矿安全隐患主题发现研究[J]. 中国安全科学学报,2016,26(6):123-128.
TAN Zhanglu, WANG Ze, CHEN Xiao. Research on top extracction for coal mine hidden danger based on LDA[J].China Safety Science Journal,2016,26(6):123-128.
[2] 张晓翔,毕微微,袁宏永,等. 防灾减灾信息化顶层设计研究[J]. 中国安全科学学报,2015,25(3):159-164.
ZHANG Xiaoxiang, BI Weiwei, YUAN Hongyong, et al. Study on top level design of informatization construction for disater prevention and mitigation[J]. China Safety Science Journal,2015,25(3):159-164.
[3] 杨丹,宋英华,洪志坤,等. 洪涝灾害数据可视化预警系统研究[J]. 中国安全科学学报,2016,26(5):158-163.
YANG Dan, SONG Yinghua, HONG Zhikun, et al. Research on flood disaster data visualization warning system[J].China Safety Science Journal,2016,26(5):158-163.
[4] 李贤功,宋学锋,孟现飞.煤矿安全风险预控与隐患闭环管理信息系统设计研究[J]. 中国安全科学学报,2010,20(7):89-95.
LI Xiangong, SONG Xuefeng, MENG Xianfei. Study on prevention and control of coal mine safety risk and design of hidden danger closing management information system[J].China Safety Science Journal,2010,20(7):89-95.
[5] 胡建华,习智琴,周科平. 深部采空区尺寸效应的危险度正态云辨识模型[J]. 中国安全科学学报,2016,26(10):70-75.
HU Jianhua,XI Zhiqin,ZHOU Keping. Normal cloud model for identifying hazard degree of deep goaf size effect[J].China Safety Science Journal,2016,26(10):70-75.
[6] 许铭, 吴宗之, 罗云, 等. 基于LOP模型的事故隐患分类分级研究[J]. 中国安全科学学报,2014,24(7):15-20.
XU Ming, WU Zongzhi, LUO Yun, et al. Study on classification and ranking of APs based on LOP model[J]. China Safety Science Journal,2014,24(7):15-20.
[7] 赵东风,申玉琪,赵志强, 等. 基于事故发展与控制的隐患分级方法[J]. 中国安全科学学报,2012,22(4):71-76.
ZHAO Dongfeng, SHEN Yuqi, ZHAO Zhiqiang, et al. Risk classification method for accident potential based on development and control measures of accident[J].China Safety Science Journal, 2012,22(4):71-76.
[8] 王玲, 李树林, 吴璐璐. 基于定量关联规则树的分类及回归预测算法[J]. 工程科学学报,2015,38(6):886-890.
WANG Ling, LI Shulin, WU Lulu. Categorization and regression algorithm based on the quantitative association rule tree[J].Chinese Journal of Engineering,2015,38(6):886-890.
[9] 欧阳秋梅,吴超,黄浪. 大数据应用于安全科学领域的基础原理研究[J]. 中国安全科学学报,2016,26(11):13-18.
OUYANG Qiumei,WU Chao,HUANG Lang. Research on basic principles of applications of big data in field of safety science[J]. China Safety Science Journal,2016,26(11):13-18.
[10] PETER Harrington. Machine learning in action[M]. Shelter Island:Manning Publications Co,2012:224-245.
[11] HAN Jiawei. Data mining concepts and techniques(Third Edition)[M]. Waltham: Morgan Kaufmann Publishers, 2012:243-248.
[12] MOHAMMED J. Scalable algorithms for association mining[J]. IEEE Transactionson Knowledge and Data Engineering,2000,12(3):372-379.
[13] 易先卉.关联规则可视化技术的研究及实现[D]. 长沙:湖南大学,2010.
YI Xianhui. The research and realization on the visualization techniques of association rules[D].Changsha: Hunan University,2010.

[1]	赵楚凡, 米传民, 周志鹏, 方晶. 基于组合关联分析模型的电力人身事故关键致因链筛选[J]. 中国安全科学学报, 2022, 32(4): 99-106.
[2]	任新惠, 程彩霞. 城市运行无人机第三方风险模型构建及应用^*[J]. 中国安全科学学报, 2021, 31(9): 15-20.
[3]	魏强, 刘加奇, 王景春, 王鹏. 基于理想模糊物元的隧道施工安全韧性评估^*[J]. 中国安全科学学报, 2021, 31(8): 62-68.
[4]	陈述, 习俊博, 王建平, 陈云. 水电工程施工安全隐患关联规则挖掘^*[J]. 中国安全科学学报, 2021, 31(8): 75-82.
[5]	况宇琦, 赵挺生, 蒋灵, 张伟. 塔式起重机事故案例关联规则挖掘与分析[J]. 中国安全科学学报, 2021, 31(7): 137-142.
[6]	曹惠玲, 胡彦杰. 适航指令设计制造缺陷案例关联分析^*[J]. 中国安全科学学报, 2021, 31(11): 54-63.
[7]	魏志强, 李晓晨. 飞机高空尾涡安全评估模型^*[J]. 中国安全科学学报, 2021, 31(11): 78-84.
[8]	王伟, 齐庆杰, 刘文岗. 自然灾害次生事故隐患空间网络研究^*[J]. 中国安全科学学报, 2021, 31(10): 152-158.
[9]	马丹, 裴玉龙, 田昆. 基于文献计量分析的行人交通安全研究综述[J]. 中国安全科学学报, 2020, 30(8): 101-108.
[10]	吕庆文, 樊树海, 徐文浩, 赵玲玲. 基于DORATASK法的标准作业负荷评估模型[J]. 中国安全科学学报, 2020, 30(8): 183-188.
[11]	唐秋宇, 张锦. 川藏铁路雅林段工程施工质量风险研究[J]. 中国安全科学学报, 2020, 30(5): 101-107.
[12]	王金江, 王舒辉, 张兴, 张来斌. 基于RBI技术的储气库分离器风险分析[J]. 中国安全科学学报, 2020, 30(2): 21-27.
[13]	李忠辉, 马云波, 郑安琪, 何顺, 王枫植, 张昕. 掘进工作面突出危险性预测及危险区可视化研究[J]. 中国安全科学学报, 2020, 30(11): 53-59.
[14]	胡瑾秋, 张曦月, 吴志强. 结合TF-IDF的企业生产隐患关联预警及可视化研究[J]. 中国安全科学学报, 2019, 29(7): 170-176.
[15]	蒋代, 华敏, 潘旭海, 蒋军成. 化工园区储罐多米诺效应的脆弱性评估[J]. 中国安全科学学报, 2019, 29(4): 177-182.

基于垂直数据格式的企业隐患预警方法研究

Research on vertical data format based method for enterprise hidden trouble early warning

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价