基于WEB的机务段信息管理系统的设计与实现

针对目前铁路机务段数据信息计算机自动化管理的理状,提出基于WEB的铁路机务段信息管理系统的设计和实现方法.结合在唐山机务段的实际应用的需求,研究提出在铁路机务段内现有网络设施的基础上建立INTRANET的现实方案,实理段内信息网上查询、数据共享,为解决铁路基层单位的信息的建设作了有益的探索:     

基于铁路客票分析的序列模式挖掘

就数据挖掘中的两种模式:关联规则和序列模式的概念和作用进行了探讨,对序列模式挖掘用程序流程的方式加以说明;并基于铁路客票分析,讨论了实现效果.     

基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘

为从铁路机车大数据中挖掘出与机车事故故障有关的关联规则,提出1种优化的MsEclat算法。先提出改进的Eclat算法——MsEclat算法,构建最小支持度索引表,以各项目的支持度值为排序依据重新构建数据集,依据垂直挖掘思想获得针对不同项目的频繁项集,解决Eclat算法无法在多最小支持度情况下挖掘关联规则的缺陷;进一步改进得到优化的MsEclat算法,在融合布尔矩阵、并行计算编程模型MapReduce基础上,设计频繁项集挖掘步骤,提高算法在大数据分析场景下的执行效率。通过算法对比,验证MsEclat算法及其优化算法在多最小支持度关联规则挖掘方面的计算效率优势。最后,以某铁路局的机车运转养护大数据为例,采用优化的MsEclat算法,挖掘机车事故故障的关联规则。结果表明:该算法在6个分布式节点的情况下耗时3.945 034 s,挖掘得到频繁项集156条,如运用故障高发的机车中,83.78%的概率会同时出现频次较多的行车安全装备问题等;形成相应关联规则后,可用于分析该局机车的事故故障发生情况及质量安全状态。     

基于关联规则挖掘的调车作业事故原因分析

数据挖掘技术在各行各业得到广泛的应用,铁路调车作业的安全是铁路系统中非常重要的方面,将数据挖掘技术中的关联规则挖掘运用到调车作业事故原因分析当中,能够找出事故因素之间的联系,管理部门可根据分析结果,有针对性地进行整改,以提高生产效率和降低调车事故发生率.     

基于Hadoop的Aprior算法改进及其在动车组运维的应用

论文着眼于解决大数据下的动车组关联规则挖掘问题，提出了一种基于Apriori算法改进的大数据关联规则挖掘算法T-MR-Apriori算法。该算法融合Hadoop技术，执行两遍MR分布式计算过程，完成整个关联规则挖掘流程，提高了海量数据下关联规则挖掘的效率和准确率。同时利用实际动车组运维数据进行验证，证明该算法在海量数据下具有良好的挖掘速度又能不降低挖掘性能。并且将该方法应用于动车组牵引电机运维数据挖掘，进行可视化展示。     

从大型数据库中分布式挖掘多层关联规则的算法

关联规则（Ａｓｓｏｃｉａｔｉｏｎ Ｒｕｌｅｓ）是数据挖掘的重要研究内容。随着ＯＬＡＰ与数据仓库技术的日益成熟，从巨量数据库中挖掘多层关联规则的问题越来越迫切且具有较高的实用价值。本文主要研究分布环境下挖掘多层关联规则的问题。提出了一种快速有效的ＤＭＭＬＡ算法，论述了它的原理及具体实现方法。实验结果表明，算法ＤＭＭＬＡ是有效的。     

陇海线上的璀璨明珠 郑州铁路局洛阳机务段

洛阳机务段始建于1908年,是一个有着光荣历史的百年老段。伴随着铁路改革的强劲东风,洛阳机务段的各项事业得到了进一步发展。2004年6月、11月,原三门峡西机务段、宝丰机务段相继整建制并入洛阳机务段,使洛阳机务段成为全路特大型机务段之一。如今的     

郑州铁路地区工业废水污染的现状评价

为了解郑州铁路地区工业废水污染的现状,1986年我们按建设部环保局统一规定的工业污染源调查技术和要求,调查了郑州铁路地区机务段等重点10个生产单位的废水,全年共用水总量259.8万m~3,其中废水排放量100.5万m~3,郑州铁路地区两个机务段共耗油623.488t,机务段废水中油平均浓     

基于关联规则挖掘的铁路超限超重货物运输路径决策方法

路径决策问题是铁路超限超重货物运输组织的核心.以总成本最小为目标函数,构造超限超重货物运输路径决策模型;通过分界口、伪分界口将铁路超限超重货物运输路网划分成若干子网络,提出运输路径历史数据预处理方法;采用模糊分割的理念,设计路径数据泛化规则,创建路径频繁序列,挖掘超限超重货物运输路径模糊多层次关联规则;在此基础上,设计目标实例与历史案例的相似度计算方法,提出超限超重货物运输路径实例匹配决策算法,得到最优路径集合.实例表明:所提出的方法能高效合理地挖掘历史运输路径信息,制定路径决策方案,能够为铁路超限超重货物运输路径决策提供技术和数据支撑.     

陇海线上的璀璨明珠 郑州铁路局洛阳机务段

洛阳机务段始建于1908年,是一个有着光荣历史的百年老段。伴随着铁路改革的强劲东风,洛阳机务段的各项事业得到了进一步发展。2004年6月、11月,原三门峡西机务段、宝丰机务段相继整建制     

铁路客运量数据挖掘预测方法及应用研究

在分析铁路客票数据特征的基础上,提出采用分段模糊BP神经网络对铁路客运量进行数据挖掘预测。通过对铁路客票数据的分段处理,提高了网络学习的收敛速度和预测精度,并在MATLAB环境下建立了分段模糊BP神经网络模型,在仿真试验中各分段的期望输出和实际输出之间吻合较好,从而证明了分段模糊的数据处理方法是有效的;同时,预测的客运量和实际客运量数值非常接近,说明分段模糊BP神经网络得到的数据挖掘预测模型对铁路客运量有很好的预测效果,该预测模型可信,为预测铁路客运量提出了一种新思路。     

基于Web的数据仓库数据集成问题的探讨

基于Web的数据仓库数据集成就是将Web技术与数据仓库技术有机结合.它将涉及到数据仓库技术,Internet技术,数据挖掘技术和搜索引擎技术等.从丰富数据仓库数据源的技术角度出发,分析了基于Web的数据仓库体系结构,并对数据仓库中基于Web的数据集成方法、实施数据集成中存在的问题以及目前可利用的解决方案进行了探讨.     

采用数据挖掘的入侵检测技术研究

基于数据挖掘的入侵检测系统由于其采用数据挖掘技术,成为下一代网络安全防护研究的热点.在数据挖掘技术中,聚类分析是一种重要技术,作者将信息熵理论应用到入侵检测聚类问题中,并通过以部分精度换取聚类高效实现的方式,结合统计的手段实现网络数据包信息的高效聚类.     

数据挖掘在铁路电子商务中的应用

电子商务是铁路信息化的重要组成部分,通过分析铁路电子商务系统建设的主要内容,阐述了数据挖掘在铁路电子商务中的作用,构建了数据挖掘在客货票信息系统中的应用模型。     

基于多元索引后继树的序列模式挖掘方法

序列模式挖掘是数据挖掘研究领域中的一个课题.本文提出一种新型的序列挖掘模型-多元索引后继树模型,该模型的主要特点是使用索引方法,仅通过对原始序列的一遍扫描而创建描述序列的多元索引后继树,然后利用索引结构使用模式增长的方法生成频繁模式.理论分析与实验表明,该方法简单高效、具有很好的实用价值,通过与其他序列挖掘模型的实验比较,发现基于该模型的挖掘算法在时间和空间两个方面都有较好的性能优势.     

数据挖掘遗传算法在最优客户分析中的应用

基于遗传算法的数据挖掘技术在求解最优客户方面具有较强的处理能力.阐述数据挖掘和遗传算法的含义,给出遗传算法的实现流程,详细论述基于数据挖掘的遗传算法在最优客户分析中的应用.     

基于校园一卡通平台的数据挖掘应用研究

本文在研究校园一卡通平台的基础上,以我校设计和研发的学生行为分析系统和就餐消费分析系统为例,介绍了对校园一卡通系统的数据挖掘的初步探索,不仅为领导决策提供了有用的参考信息,也为将来构建完整的数字化校园决策支持系统提供了实践经验和实现方法.     

货运智慧营销平台应用研究

以大数据辅助决策、精准营销、数据可视化为目标,采用商业智能(BI)、数据挖掘、企业应用集成等技术手段,将铁路货运关键数据货票、精密统计、十八点统计、运货五等信息系统进行深度整合,构建面向列式存储的多维大数据仓库,通过多种数据挖掘方法对历史数据进行定量分析,发现潜在规律,预测模拟未来发展趋势,为企业及时调整营销策略、实现精准化营销等提供有力支撑。     

数据挖掘技术及在铁道牵引供电系统中的应用

本文概述了数据挖掘的基本原理和方法,及其在铁道牵引供电系统中的作用,提出了挖掘过程中应采用的相关步骤和方法。数据挖掘技术对科学地安排行车调度、电力系统的负荷预测、设备故障诊断具有重要的指导意义。