原文传递
高速动车组运维智能决策知识库的研究和实现
| 论文题名： | 高速动车组运维智能决策知识库的研究和实现 |
| 关键词： | 高速动车组;智能决策;知识库;Map-Reduce并行化;频繁模式树 |
| 摘要： | 随着我国高速动车组的大规模投入使用，动车组成为了铁路客运与货运的重要工具。伴随着运行时间和运行里程的增长，动车组运营已经积累了海量的运营数据和丰富的运维经验。但目前我们面临的问题是这些数据和经验还不能直接有效的被运维人员利用。与此同时动车组在长期运行过程中难免会发生故障，如何保障动车组的高效安全运行成为动车组运维工作的重中之重。 针对上述问题，本文研究和实现了高速动车组运维智能决策知识库，用于指导动车组运维决策。知识库的建立能够实现知识的录入、共享交流等。 针对目前海量数据的情况以及运维要求快速反应的特点，本文对知识库中用到的关键技术做出以下改进: (1)改进知识发现过程中现有的Fp-growth算法，针对当前算法中的不足做出改进。 (2)将改进后的Fp-growth算法Map-Reduce并行化，对每个结点构造频繁模式树进行递归挖掘，再合并局部频繁项目集得到全局频繁项集。 (3)改进知识检索技术，本文采用基于字典的正向最大匹配分词算法，使用hash机制组织运维词典词库，设计实现了中文分词模块。 经实验验证本文改进后的Fp-growth算法在时间性能和空间性能两方面都得到了很好的提升，通过对改进后Fp-growth算法的Map-Reduce并行化，提高了数据的处理速度，并且算法具有很好的加速比和良好的扩展性。同时中文分词技术的使用能够帮助运维人员高效的从知识库中获取知识。 本系统设计了知识库的规则库和事实库，创建了知识库的更新模块、推理机模块、知识检索模块以及故障统计与挖掘模块，将知识库技术应用于动车组运维智能决策，并利用可视化技术帮助运维人员快速有效的找到最优的运维方案，使动车组的运维更加科学化和高效，从而减少动车组故障的发生，降低动车组运维成本，提高了动车组的寿命，为动车组的安全运行提供保障。 |
| 作者： | 赵巍 |
| 专业： | 计算机科学与技术 |
| 导师： | 张春 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
