大数据环境下动车组故障关联关系分析关键技术研究与实现

《大数据环境下动车组故障关联关系分析关键技术研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：公开学校代码：１０００４ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ．．弃鍾大数据环境下动车组故障关联关系１分析关键技术硏究与实现Ｉ作者姓名汲磊举学科专业计算机科学与技术ｊ指导教师张春高级工程师ＭＭｊｆ胃ｉｆｗｍｍｗ＾：＇’廚？曹ｉｗ帶ｆｆｆ—＇＂＂：恩罰騰二零＊六年四月亞一＾１＾緊＼如＇交道乂攀硕±学位论文大数据环境下动车组故障关联关系分析关键技术研巧与实现民ｅｓｅａｒｃｈａｎｄＩｍｌｅｍｅｎｔａｔｉｏ

2、ｎｏｆｋｅｙＴｅｃｈｎｏｌｏｇｉｅｓｉｎ化ｅａｎａｌｙｓｉｓｏｆｐｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＳｔｉｌｔｓｉｎ１３巧６ｄａｔａｓｅｔｓｏｆＥＭＵ作者：汲磊举导师：张春北京交通大学２０１６年４月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可＾＾入有关数据库进行检索，？将学位论文的全部或部分内容编１提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅。同意学

3、校向国家有关部鬥或机构送交论文的复印件和磁盘。学校可Ｗ为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期（：的年午月抑日签字日期；占年４月日学校代码：１０００４密级：公开北京交通大学硕±学位论文大数据环境下动车组故障关联关系分析关键技术研究与实现民ｅｓｅａｒｃｈａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｋｅｙＴｅｃｈｎｏｌｏｇｉｅｓｉｎ化ｅａｎａｌｙｓｉｓｏｆ化ｅｒｅｌａｔ

4、ｉｏｎｓｈｉｐｂｅｔｗｅｅｎｆａｕｌｔｓｉｎｌａｒｅｄａ化ｓｅｔｓｏｆＥＭＵｇ作者姓名：１３１２０４００：汲磊举学号导师姓名：张春职称：高级工程师学位类别；工学学位级别：硕±学科专业：计算机科学与技术研究方向：现代铁路信息技术北京交通大学２０１６年４月Ｉ致谢时光甚巧，充实而愉快的研巧生生活即将画上圆满的句号。本论文是在我的导师张春老师的悉也指导下完成的，张春老师严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此由衷感ｆ两年半Ｗ来张春老师对

5、我的关也和指导。当然，论文的完成除了导师的指导，也离不开实验室其他老师的帮助。张宁老师对我的科研工作和论文提出了很多宝贵的意见，在此向张宁老师表示衷也的谢意、；宋晓红老师和李秋莎老师悉屯指导我们完成实验室的科研工作，对两位老师在学习和生活上都给予了我很大的帮助表示由衷的感谢。在实验室工作和撰写论文期间，实验室的同学和宿舍同学也给予了我很大的帮助，在此向他们表示衷也感谢。还要特别感谢我的父母，他们的理解和支持使我能够在学校专必完成我的学业。北京交通大学硕±学位论文摘要摘要随

6、着动车组的高速发展和大规模的使用，动车组己经成为了铁路客运和货运的重要工具，具有高效、安全、快速、高标准的服务功能，在交通中起到的重要，积累了大量的故障数据作用也易于凸显。我国高速铁路经过十多年的运营，且每天都在收到新的数据，如何从中挖掘出有效的信息和知识，为动车组运行安全、故障诊断和维修等工作提供决策支持，具有重大意义。近年来，高速动车组技术飞速发展，数据累积呈现出指数级的增长庭势，传统的关联规则挖掘算法很难满足需求。基于此，本文将关联规则挖掘算法Ｅｃｌａｔ算法与目前流行的云计算平台Ｍａ

7、ｐＲｅｄｕｃｅ结合，把海量的动车组故障数据关联规则挖掘任务分解到集群中的多台计算机上并行处理，提高了关联规则挖掘的效率。通常数据库有水平数据表示和垂直数据表示两种形式，常见的关联规则算法Ａｒｉｏｒｉ－Ｇｒｏｗｐ算法和ＦＰｔｈ算法都是基于水平数据表Ｗ的。Ｅｃｌａｔ算法是首个采用垂直数据表示的关联挖掘算法ｃｌａｔ算法在项集规模庞大时，交集操作消耗大量时。Ｅ间和系统内存ｃｌａｔ，针对Ｅｃｌａｔ算法。本文首先对Ｅ算法进行了深入的研究和分析在挖掘海量数据中的频繁项目集时存在的内存和计算资源不足等问题，提

8、出基于ＭａｐＲｅ加ｃｅ的改进算法，并应用于动车组故障关联规则挖掘，相对于传统挖掘算法，效率有显著提升。一本论文最后还针对动车组故障等级划分，故障数据重要性不致提出了加权的关联规则挖掘算法，剔除挖掘结果中没有意义的关联规则，优先挖掘出包含高等级故障的规则，，符合现实要求，对动车组故障检测和预防故障的快速定位提供帮助。ｌ