機器學習算法下水利工程風險因素關系分析

孫開暢，馮繼偉

(三峽大學水利與環境學院，湖北 宜昌 443002)

0 引 言

水利工程事故具有特殊性、復雜性等特點，很難實現將水利工程事故發生概率降低為零，而研究水利工程事故一個重要方向就是找出影響水利工程的主要風險因素并確定風險因素之間的關聯關系，它能夠為水利工程預測機制、應急救援及物資調配提供數據分析及技術保障。水利工程風險分析研究是一套相對完整的體系，一般包括事故風險管理體系、事故風險分析體系、事故風險等級體系等，其中事故風險因素分析至關重要[1-3]。本文主要針對水利工程的風險因素進行多維因素關聯研究，以期能夠找出影響水利工程事故的關鍵因素，并確定各因素之間的關聯關系。

目前已有不少數據的關聯分析研究，Becker等[4]提出了CBR圖網絡模型，并將其運用到數據關聯分析中，對特征數據進行了關聯分析；馬建斌等[5]將改進的Apriori算法運用到海事的事故數據關聯分析中，對海事事故進行了因素分析，解析出了各個因素對海事的影響情況；黃鈞晟等[6]以云計算平臺為背景，利用數據關聯算法對氣象數據進行關聯規則分析研究，找出了氣象數據之間的潛在聯系及規律，通過這些規律有效地對氣象進行了預測，為海量氣象數據挖掘提供了很好的技術支持；朱海等[7]利用Apriori算法建立了企業風險數據庫和相關報表，對企業管理型風險實現了預警，最大程度地減少企業資產損失。

結合已有研究和水利工程特點，從風險因素的角度來考慮，部分風險因素數據并未存在完全明確的強邏輯關系，如何將這些風險因素數據聯系起來，建立起完整的多維數據關系是解決水利工程事故風險關系的一個至關重要的環節。基于此，本文在上述研究的基礎上結合水利工程的特點，將機器學習中的Apriori數據關聯算法引入到水利工程風險因素多維關聯分析中，以期能夠描繪出水利工程多維因素關聯關系，為應急救援及物資調配提供數據分析及技術保障支持，并完善水利工程的應急管理系統。

1 水利工程高危人為風險因素識別

水利工程事故涉及到很多的領域并且一般破壞性強、經濟損失大、社會影響大。水利工程事故體系是一個復雜的風險系統，影響水利工程事故發生的因素眾多，而這些特征因素又受到各種人為條件的限制，這使得整個水利工程安全風險體系具有復雜性、不確定性。為保障水利工程的安全，降低事故的影響，非常有必要對影響水利工程事故的人為風險因素進行識別和分析。

根據風險因素的模糊程度，可以將風險因素提取形式分為基于語言數據的因素值提取、基于已知因果關系的因素提取、基于主因素分析的數據因素提取等。本研究依據水利工程的風險分析現狀，并結合實際的工程狀況和國內學者對風險指標評價體系的研究現狀，以人為因素分析與分類系統(HFACS)[8-9]作為風險因素分析的方法和工具，并對HFACS框架中的因素進行分類和細化處理，以適應水利工程的施工技術和安全管理等狀況，通過刪除和合并部分與水利工程不相吻合的因素，最終得到經過修訂后的HFACS框架[1]，如圖1所示。

圖1 風險體系框架

2 數據關聯算法的引入

2.1 Apriori算法

Apriori算法[10-11]為一種計算數據頻繁項集和因素多維關聯規則的無監督學習算法，該算法以頻繁項集性質為先驗知識，可以從大規模的數據信息集合中計算出不同數據因素之間的關聯規則。基于機器學習的Apriori算法有如下幾個基本定義：項集、支持度、置信度、關聯規則、頻繁項集。

(1)項集。水利工程的事故風險項集主要指具體的工程事故案例，這些事故案例也是風險關系的具體表現形式。

(2)支持度。事故案例風險因素同時發生的概率，其中事故風險因素A對事故風險因素B的支持度表示為

support(A→B)=P(A∪B)

(1)

式中，P(A∪B)表示案例中風險因素A和B同時發生的概率。

(3)置信度(confidence)。數據因素關聯規則關系的置信程度，能夠表示因素風險之間產生的強關聯規則，即

(2)

(3)關聯規則(association rules)。風險關聯關系的支持度和置信度都大于最小要求時的關聯關系，即被挖掘的各個風險因素之間的關聯關系。數據的關聯規則挖掘一般分為兩個過程：找出頻繁項集和因素之間的強關聯規則關系。頻繁項集挖掘一般有如下原則[10-13]：①頻繁因素項集連接原則。頻繁項集k和Lk-1項集的自身連接產生候選k項集Ck，如果Lk-1中某兩個的元素(項集)itemset1和itemset2的前(k-2)項是相同的，則表示itemset1和itemset2是可連接的。②剪枝原則。根據已有的先驗性質，遍歷整個因素事故庫，計算中每個代確定的風險因素出現的次數，將風險因素出現的次數與最小支持度相比較，確定頻繁因素項。③刪除原則。基于壓縮后的Ck，遍歷整個水利工程風險數據庫，對Ck中的每個風險因素進行計數，去除不滿足最小支持度的風險因素項集。

2.2 Apriori算法實現

該算法是一種逐層迭代算法，即為利用k項來計算(k+1)的方法。過程如下：首先，通過掃描整個事故風險數據庫，計算出每個案例中的風險因素的數據并收集滿足最小支持度的風險項集，找出頻繁1項集的風險項集的集合，這些風險因素構成了候選1項集的集合C1；然后從C1中刪除不滿足最小支持度的項集，從而獲得頻繁項集L1，使用L1找出頻繁2項集的集合L2；以此類推，對整個風險因素事故數據庫進行掃描，對Ck中的每個項進行計數，根據最小支持度的原則，從Ck中刪除不滿足的項，從而獲得頻繁k項集。

一旦找出了最終的頻繁項集，就表明產生了強關聯關系。對于每個頻繁項集，如果

(3)

則輸出s?(l-s)，其中min_conf是最小置信度閾值。

3 事故風險因素多維關聯分析

3.1 風險關聯體系的建立

本研究以長江干流中的3個水利樞紐在2000年～2011年間的186起輕傷以上的事故數據為風險因素的研究對象[14]，利用機器學習中的Apriori算法對數據的風險因素進行挖掘，針對于每一起事故，由專家來判斷該事故中是否含有HFACS框架中的風險因素，若存在該風險因素，則該風險因素在該事故中的數據值為1，如不存在該因素，則該風險因素的數據值為0，取出其中10故案例風險數據結構表示表示，如表1所示。

表1 事故風險因素

基于上述的186起事故的事故風險案例進行數據挖掘，可以得出各個風險因素之間的多維關聯關系，為保證事故數據關系有較高的可信度及支持度，本研究中將事故因素關聯關系的支持度取100%，置信度取100%，即在可信度為100%的情況下風險因素同時發生概率為100%，根據上述限制條件并方便事故風險因素之間的表達，取出風險因素關系進行計算。通過對上述的事故數據進行挖掘，利用關于數據關聯的兩個主要的過程，找出所有的頻繁項集和找出事故案例因素之間的強關聯規則關系，最終得到如表2所示水電工程事故案例人為因素的多維數據關聯關系。

表2 多維關聯關系

3.2 多維風險關聯關系分析

將186起水利工程的事故案例庫作為一個完整的風險事故案例集，事故數據的每一項信息構成一個項集，項集中任一個項目都是一個與水利工程風險相關的因素，本次數據挖掘試驗對于水利工程的事故數據庫進行數據挖掘，從挖掘關系進行分析，在置信度100%、支持度100%的情況下，可以得到如下的規則：

(1)單個維度的數據規則方面。安全生產教育對于技術人員的各個方面都非常重要，通過加強對人員的安全生產教育，可以解決人員素質問題、人員的操作違規、技能差錯、直覺與決策差錯等問題。因此，在水利工程的整個過程中要特別注重對于人員的安全生產教育，通過解決該風險因素能夠有效地解決相關聯的風險因素。人員素質因素對操作違規、技能差錯、直覺與決策差錯都要影響，并且對整個水利工程風險因素體系中的大部分因素都有聯系。因此，安全生產教育和人員素質應被視為主要影響水利工程風險體系的核心問題，要預防事故的發生，需要著重解決這兩點。

(2)多維度風險因素關聯規則方面。人員素質和安全生產教育依然影響較大，此外，安全組織體系和安全管理程序也對班組管理有影響。

4 結 論

本文利用機器學習中的Apriori數據關聯算法，對水利工程事故案例數據庫進行數據挖掘，得出了風險因素的潛在多維關系，為水利工程事故風險分析提供了重要數據支持。基于事故案例庫的數據分析，可知人員素質和安全生產教育對整個風險體系影響較大，同時，利用數據庫可以計算出各風險因素之間的潛在關聯關系。該計算方法可以彌補灰色與模糊理論只能處理少數據、貧信息分析的缺陷和單因素分析的不足。