数据挖掘在高速公路机电设备故障预测中的应用

论文摘要

高速公路机电系统作为实现运营管理目标的核心支撑系统,具有结构复杂,技术含量高、设备昂贵的特点,机电系统的好坏直接影响着高速公路运营状况。随着高速公路机电系统设备数量种类的不断增长,产生的故障种类数量也开始急剧增长,如何对机电设备故障数据进行有效的分析和处理以便从中获取有用知识,辅助机电系统维护管理工作已经成为一个非常关键的问题。数据挖掘则正是解决该问题的一项新兴技术,它能够处理大量的历史数据并从中挖掘出隐含信息、模式或趋势,具有广泛的应用前景。本论文在对高速公路维护管理模式以及机电系统设备构成、故障特点等进行了调研并对原始业务数据进行了分析的基础上,对原始业务数据进行提取、转换和加载的预处理操作,建立了基于主题的高速公路机电设备故障数据仓库。基于该数据仓库,采用了分类中的决策树算法和贝叶斯算法对故障设备信息进行分类。本文利用软件集成开发环境Visual Studio 2008和Microsoft SQL Server 2008中的数据分析工具,对原始数据进行处理并得出最终结果。最终,本文得到关于故障设备信息的分类并产生了分类规则,并对不同算法进行了比较。这些规则有利于对故障机电设备信息的分类和预测,并将为高速公路维护人员提供有效地决策支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外相关研究与现状
• 1.2.1 国内外公路机电设备维护管理发展概况
• 1.2.2 数据挖掘技术研究现状
• 1.3 章节介绍
• 1.4 本章小结
• 第二章 高速公路机电设备故障预测的需求分析
• 2.1 高速公路机电系统维护模式研究
• 2.1.1 通用维护模式
• 2.1.2 三级维护管理模式
• 2.2 高速公路机电系统设备维护维修状况
• 2.2.1 高速公路机电系统设备维护维修的内容及职责
• 2.2.2 高速公路机电系统维护维修的要求与原则
• 2.3 高速公路机电系统设备故障需求分析
• 2.3.1 高速公路机电系统构成及主要功能特点
• 2.3.2 高速公路机电系统设备的常见故障
• 2.3.3 需求分析
• 2.4 本章小结
• 第三章 高速公路机电设备故障预测数据仓库设计
• 3.1 数据仓库技术
• 3.1.1 数据仓库技术的概念及特点
• 3.1.2 数据仓库的系统结构
• 3.2 数据仓库的设计
• 3.2.1 数据仓库主题设计
• 3.2.2 数据仓库模型的设计
• 3.2.3 数据仓库的建立
• 3.3 高速公路机电设备故障数据构成和数据特点
• 3.3.1 高速公路机电设备故障数据构成
• 3.3.2 高速公路机电设备故障数据特点
• 3.4 高速公路机电设备故障预测数据仓库的数据预处理
• 3.4.1 原始业务数据分析
• 3.4.2 数据预处理注意的问题
• 3.4.3 数据预处理中采用的方法
• 3.5 本章小结
• 第四章 数据挖掘技术及其方法研究
• 4.1 数据挖掘技术
• 4.1.1 数据挖掘概述
• 4.1.2 数据挖掘的应用现状
• 4.2 联机分析（OLAP）
• 4.2.1 联机分析的产生
• 4.2.2 联机分析的概念和作用
• 4.2.3 OLAP的多维数据概念以及结构
• 4.3 故障数据的多维分析
• 4.3.1 数据立方体
• 4.3.2 站点数据的多维分析
• 4.4 数据挖掘的分类算法
• 4.4.1 决策树算法
• 4.4.2 贝叶斯算法
• 4.5 本章小结
• 第五章 高速公路机电设备故障预测的数据挖掘算法实现
• 5.1 高速公路机电设备故障预测使用的数据挖掘算法
• 5.1.1 实现的功能
• 5.1.2 决策树算法的实现过程
• 5.1.3 贝叶斯算法的实现过程
• 5.2 对高速公路机电设备故障预测数据挖掘算法的比较
• 5.3 本章小结
• 结论与展望
• 结论
• 展望
• 参考文献
• 致谢