[发明专利]一种基于机器学习的核电厂低级别事件自动趋势分析方法

权利要求书

1.一种基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，包括以下步骤：

步骤1：建立核电厂低级别事件专业词库并自动分词；

步骤2：利用机器学习和深度学习算法实现核电厂低级别事件的自动分类编码；

步骤3：对基于编码结果的核电厂低级别事件异常趋势的自动识别和预警；

步骤4：对进行根本原因分析并制定纠正行动的异常趋势的持续跟踪与评价。

2.根据权利要求1所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述步骤1具体包括：

步骤1.1：梳理核电厂低级别事件文本数据，建立核电厂低级别事件专业词库；

步骤1.2：根据核电厂低级别事件专业词库，对核电厂低级别事件文本数据进行自动分词；

步骤1.3：人工校对分词结果，将校对后的分词结果自动纳入训练集，不断提高自动分词的准确性。

3.根据权利要求2所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述核电厂低级别事件文本数据的字段包括：事件编号、系统码、发生日期、录入时间、机组号、事件主题、事件描述和事件后果。

4.根据权利要求2所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述步骤1.2是通过条件随机场模型结合维特比算法的机器学习模型对核电厂低级别事件文本数据进行自动分词。

5.根据权利要求1所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述步骤2具体包括：

步骤2.1：对核电厂低级别事件文本数据按照不同的编码维度进行标注；

步骤2.2：对标注完成的核电厂低级别事件文本数据进行划分，获得训练集、测试集和验证集；

步骤2.3：对核电厂低级别事件文本数据的分词结果向量化表示，获得对应的特征向量；

步骤2.4：通过训练集对机器学习和深度学习文本分类模型进行训练得到文本分类器；

步骤2.5：利用训练完成的文本分类器对待分类的核电厂低级别事件文本数据进行自动分类编码；

步骤2.6：人工校对分类编码结果，将校对后的编码结果自动纳入训练集，不断提高机器编码的准确性。

6.根据权利要求5所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述编码维度包括以事件发生原因为主要依据的编码维度、以事件产生后果为主要依据的编码维度。

7.根据权利要求5所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，训练集样本量：测试集样本量：验证集样本量的比值为8.5：1：1。

8.根据权利要求1所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述步骤3具体包括：

步骤3.1：设置异常趋势判定规则；

步骤3.2：基于异常趋势判定规则自动识别核电厂低级别事件的异常趋势并预警；

步骤3.3：通过异常趋势自动定位存在的共性问题。

9.根据权利要求8所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述异常趋势判定规则包括：

a、1个点，距离中心线大于K1个标准差；

b、连续K2个点，全部递增；

c、位于中心线上方的连续K3个点距离中心线大于2个标准差；

d、位于中心线上方的连续K4个点距离中心线大于1个标准差；

e、位于中心线上方的连续K5个点距离中心线1个标准差以内；

f、连续K6个点在中心线上方；

其中，K1、K2、K3、K4、K5、K6均为自然数。

10.根据权利要求1所述的基于机器学习的核电厂低级别事件自动趋势分析方法，其特征在于，所述步骤4具体包括：

步骤4.1：针对核电厂低级别事件的异常趋势及共性问题，进行根本原因分析并制定纠正行动；

步骤4.2：督促实施纠正行动，并跟踪纠正行动的执行情况直至纠正行动关闭；

步骤4.3：对纠正行动进行有效性评价。