隨著我國經(jīng)濟的發(fā)展,企業(yè)的安全問題越來越受到重視,而企業(yè)的安全管理水平也決定著企業(yè)能否健康高效的運營。鋼鐵行業(yè)作為我國的支柱產(chǎn)業(yè),在經(jīng)濟發(fā)展中起著至關(guān)重要的作用,同樣軋鋼企業(yè)在冷軋過程中工藝復雜,生產(chǎn)過程中有著很多危險因素和不確定性,安全生產(chǎn)事故也時有發(fā)生。而傳統(tǒng)的安全管理方法是“問題出發(fā)型”管理模式,往往只能進行定性的分析,缺少簡單直觀的定量分析手段,這樣在企業(yè)安全管理中就顯得很被動。但是隨著信息技術(shù)的不斷發(fā)展,以及近幾年數(shù)據(jù)挖掘技術(shù)在各行各業(yè)的不斷普及與應用,也為隱患排查治理和生產(chǎn)安全事故預防工作提供了新的技術(shù)手段和方法。本文以某冷軋企業(yè)為例,針對該廠2017年9月-2018年12月的事故隱患數(shù)據(jù)進行分析,研究建立該廠安全生產(chǎn)事故隱患預測預警模型,指導企業(yè)能夠具體有效的進安全管理與隱患排查治理工作的開展,對提升企業(yè)的安全管理水平有著重要意義。首先利用R語言對企業(yè)的事故隱患數(shù)據(jù)進行文本挖掘分析,在中文分詞后得到隱患詞匯對應詞頻,將詞頻統(tǒng)計后繪制出可視化的詞云圖,之后為了得到隱患詞匯在每個月的重要度,運用詞頻-逆文檔頻（TF-IDF）將每個月詞頻轉(zhuǎn)換成權(quán)重。最后運用灰色預測理論,建立了... 

【文章來源】：首都經(jīng)濟貿(mào)易大學北京市

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

隱患信息歷史數(shù)據(jù)

第3章文本挖掘163.2.2分詞工具R是一個用于統(tǒng)計分析、繪圖的語言和操作環(huán)境，由數(shù)學運算工具、統(tǒng)計分析工具以及制圖工具構(gòu)成[39]。作為一個用于統(tǒng)計的軟件，囊括了多種常用的數(shù)據(jù)挖掘方法，其各類模型都已經(jīng)封裝完畢，加載包以及各類操作命令調(diào)用快捷方便，還有各類功能的安裝包可供使用，同時在大量數(shù)據(jù)需要處理時，優(yōu)化過的運行速度可以得到保證，因此R語言完全可以勝任各類一般性的統(tǒng)計分析工作，并保證高效快捷的完成。R還有一個很大的優(yōu)勢，是一款免費的開源軟件，如果需要，可以隨時在網(wǎng)站上下載使用。其支持在UNIX、Linux、Windows和MacOS等多種平臺運行，在我們調(diào)用相應的函數(shù)進行計算時，還能夠根據(jù)具體的情況來修改源代碼，從而滿足用戶分支、循環(huán)、自定義等具體要求。因為R是開源的，所以其擴展包和插件也極其豐富，給數(shù)據(jù)的處理帶來了多樣化，可以對數(shù)據(jù)進行交互式分析，通過信息平臺還能實現(xiàn)數(shù)據(jù)的實時動態(tài)顯示，幫助用戶更加快捷直觀的了解所分析的數(shù)據(jù)�？偟膩碚f，R語言兼容性強、功能強大、操作方便，是一款優(yōu)秀的數(shù)據(jù)分析和制圖軟件。而Rstudio是編輯、運行R語言的最為理想的工具之一，通常我們都在Rstudio上來處理數(shù)據(jù)，具體如圖3.3所示。圖3.3Rstudio界面在R語言環(huán)境下，我們選用jiebaR作為分詞包[40]，jicbaR（“結(jié)巴”)是一款高效的R語言分詞包，是通過CRAN安裝，非常簡便。共有7種分詞引擎，分別是混合模型、最大概率法、隱式馬爾科夫模型、索引模型、標記模型、Simhash模型和關(guān)鍵詞模型，其

首都經(jīng)濟貿(mào)易大學碩士學位論文17中混合模型是結(jié)合了隱式馬爾科夫模型與最大概率法，是分詞效果最好的模型。其通過函數(shù)worker()初始化分詞引擎，使用segment()進行分詞。3.2.3自定義詞典由于本文采用基于詞典的分詞方法，所以必須有對應的詞典作為基矗詞典對分詞結(jié)果的好壞起著決定性作用。雖然jiebaR有默認的標配詞典，但是由于本文處理的數(shù)據(jù)是某冷軋廠的安全隱患數(shù)據(jù)，不同行業(yè)文字類型也不相同，如果不使用與之匹配的相關(guān)詞典，這就會很大概率造成分詞的不準確性。所以建立相關(guān)的隱患詞典是必須要做的任務，也是此次中文分詞的基石。從文本數(shù)據(jù)中篩選出各類冷軋廠相關(guān)的隱患詞匯，將其統(tǒng)計匯總儲存到.txt文件中形成冷軋廠事故隱患詞典，共5211個詞。如圖3.4所示。圖3.4自定義事故隱患詞典3.2.4中文分詞相關(guān)理論中文分詞是將中文文本進行分詞研究，其原理是根據(jù)一定的規(guī)律使連續(xù)的中文字序列切分成有意義的中文詞序列。在英文文本中，每個單詞之間都會有空格分隔，因此不存在分詞，而中文文本則是由連續(xù)的詞句構(gòu)成，各個詞語之間沒有明顯的分隔符，所以這就需要我們來通過中文分詞的方法來達到研究的目的。中文分詞的流程圖如圖3.5所示。

【參考文獻】：
期刊論文
[1]船舶艙室的火災實時安全預測[J]. 夏璐璐,李彥.  電子測量技術(shù). 2018(15)
[2]基于微博文本數(shù)據(jù)分析的社會群體情感可視計算方法研究[J]. 劉翠娟,劉箴,柴艷杰,方昊,劉良平.  北京大學學報(自然科學版). 2016(01)
[3]基于灰色GM（1,1）模型的跨境電子商務發(fā)展前景預測分析[J]. 資道根.  數(shù)學的實踐與認識. 2015(01)
[4]GM（1,1）模型的幾種基本形式及其適用范圍研究[J]. 劉思峰,曾波,劉解放,謝乃明.  系統(tǒng)工程與電子技術(shù). 2014(03)
[5]生產(chǎn)作業(yè)場所事故隱患的內(nèi)在屬性及安全監(jiān)管對策[J]. 保龍,韓海濤,蔡惠萍,陳艷偉.  產(chǎn)業(yè)與科技論壇. 2013(11)
[6]基于潛在語義分析的微博主題挖掘模型研究[J]. 唐曉波,王洪艷.  圖書情報工作. 2012(24)
[7]我國煤礦安全評價現(xiàn)狀分析[J]. 隋國民.  煤炭工程. 2012(02)
[8]基于改進灰色模型的能源消費預測研究[J]. 穆海林,王文超,寧亞東,李剛.  大連理工大學學報. 2011(04)
[9]基于灰色GM（1,1）模型的上海城鎮(zhèn)養(yǎng)老保險人口分布預測[J]. 王宇熹,汪泓,肖峻.  系統(tǒng)工程理論與實踐. 2010(12)
[10]預警理論方法及其應用研究[J]. 潘潔珠,朱強,郭玉堂.  合肥師范學院學報. 2010(03)

博士論文
[1]灰色建模技術(shù)及其在道路交通事故管理中的應用研究[D]. 錢吳永.南京航空航天大學 2012
[2]灰色預測技術(shù)及其應用研究[D]. 崔立志.南京航空航天大學 2010

碩士論文
[1]基于向量空間模型的文本分類及R語言實現(xiàn)[D]. 姜博聞.山東師范大學 2018
[2]基于隱患報告的事故預測模型及預警方法研究[D]. 李彤.中國地質(zhì)大學(北京) 2017
[3]基于R語言的金融大數(shù)據(jù)審計應用研究[D]. 武茗馨.南京審計大學 2017
[4]基于數(shù)值分析理論的GM（1,1）模型優(yōu)化研究及應用[D]. 張麗玲.哈爾濱工程大學 2017
[5]基于Web數(shù)據(jù)挖掘的鮮花市場研究與應用[D]. 鄧遠飛.昆明理工大學 2016
[6]光伏企業(yè)安全生產(chǎn)預警系統(tǒng)建設與應用研究[D]. 劉君敏.江蘇大學 2016
[7]基于PSO-SVM模型的建筑施工項目安全預警方法研究[D]. 汪馬成.上海工程技術(shù)大學 2016
[8]灰色預測模型的研究及其應用[D]. 宋玲.內(nèi)蒙古農(nóng)業(yè)大學 2015
[9]中文文本分類中的特征選擇和權(quán)重計算方法研究[D]. 宋惟然.北京工業(yè)大學 2013
[10]事故致因理論在化工企業(yè)安全評價中的應用研究[D]. 程華瑞.太原理工大學 2013



本文編號：3385247