基于改进Apriori算法的海事事故关联分析

摘要

海事事故一直都是航运领域关注和研究的重点问题之一，对事故信息进行分析是识别海事风险的重要途径。本文以海事事故数据库为基础，系统梳理了海事事故研究方法的发展过程;并提出在计算机信息处理技术的发展和大数据时代背景下，以数据挖掘为工具，对海事事故信息数据库开展相关研究。
　　针对当前各海事局事故调查的统计格式和描述不统一的问题，以浙江海事局统计数据库为例，对原始数据库进行梳理与清洗，建立了标准化的海事事故信息数据库;并将海事事故的原始统计信息与描述进行变换、编码。同时，采用数理统计的方法，从人、船舶货物、环境、管理四个方面识别出各致因所占的比例，初步探究了海事事故致因因子及影响程度。为进一步研究海事事故各信息之间的定量关系，通过基于动态存储空间的改进Apriori算法、k-medoids和改进Apriori组合挖掘算法模型对标准数据库中的信息进行深度挖掘。在支持度阈值20％、置信度阈值50％的条件下提取出8条碰撞事故的关联规则;在支持度阈值10％、置信度阈值50％的条件下提取出12条非碰撞类事故的关联规则。挖掘实验结果表明基于k-medoids和改进Apriori组合的挖掘算法在提升值和挖掘精度上均优于动态存储空间的改进Apriori算法。最后，通过对关联规则的解析，定量分析了海事事故各信息之间的关系，识别出了浙江辖区海事事故风险的特征，并从海事主管机关、船公司和船舶驾驶员三个层面提供了合理化的措施与建议。
　　该成果为海事主管机关识别海上交通风险、有针对性的排查安全隐患以及有目的性的加强海上监管提供了理论指导;为船公司对船舶安全营运及船员的安全管理提供了建议;为船员在面对复杂的海上环境时所需要判别的风险及采取的决策提供了参考依据。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 研究意义和应用价值

1．3 研究思路

第2章 国内外研究现状

2．1 海事事故研究现状

2．1．1 国外海事事故研究

2．1．2 国内海事事故研究

2．1．3 海事事故研究现状评述

2．2 海事事故数据及挖掘现状

2．2．1 国外事故挖掘研究

2．2．2 国内事故挖掘研究

2．2．3 事故数据挖掘研究评述

第3章 事故数据信息分类及预处理

3．1 事故数据库信息属性分类研究

3．1．1 事故基础信息属性分析

3．1．2 事故致因信息属性分析

3．2 事故数据预处理

3．2．1 事故数据预处理概述

3．2．2 事故数据预处理流程

3．3 小结

第4章 基于数理统计的事故致因分析

4．1 人为因素对事故的影响

4．2 船舶货物因素对事故的影响

4．3 环境因素对事故的影响

4．3．1 自然环境对海事事故的影响

4．3．2 交通环境对海事事故的影响

4．4 管理因素对事故的影响

4．4．1 船舶管理

4．4．2 船公司管理

4．5 小-结

第5章 改进Apriori算法的构建

5．1 关联规则算法概述

5．2 Apriori算法相关概念

5．3 Apriori算法基本原理

5．3．1 Apriori算法模型计算

5．3．2 基于R语言编程的Apriori算法

5．4 基于动态存储空间的改进Apriori算法

5．5 基于k-medoids聚类的改进Apriori算法

5．6 小结

第6章 改进Apriori算法在海事事故关联分析的应用

6．1 基于改进Apriori算法的全因素关联分析

6．1．1 海事事故数据库全因素关联规则挖掘

6．1．2 全因素挖掘实验结果分析

6．1．3 全因素挖掘实验结果评述

6．2 海事事故的聚类与Apriori关联规则分析

6．2．1 碰撞事故的关联规则挖掘

6．2．2 非碰撞事故的关联规则挖掘

6．3 建议

6．4 小结

第7章 结论与展望

7．1 结论

7．2 展望

参考文献

附录

攻读学位期间公开发表的论文

致谢

作者简介