典型文献
机器学习算法下水利工程风险因素关系分析
文献摘要：
为了加强水利工程事故风险管理和预防事故发生,引入了机器学习中的数据关联算法,对水利工程事故案例的风险因素进行多维关联分析.在经过改进的人为因素与分类系统(HFACS)的水利工程风险框架体系的基础上,采用机器学习中的Apriori关联算法对事故案例中的风险因素进行数据挖掘,计算事故风险因素之间的多维关联规则,进而对事故案例的关键影响因素进行识别和分析,并为应急管理及应急救援提供数据分析及技术保障.
文献关键词：
机器学习;Apriori算法;数据挖掘;多维关联;水利工程
中图分类号：
作者姓名：
孙开畅;冯继伟
作者机构：
三峡大学水利与环境学院,湖北 宜昌443002
文献出处：
引用格式：
[1]孙开畅;冯继伟-.机器学习算法下水利工程风险因素关系分析)[J].水力发电,2022(01):91-93,117
A类：
多维关联分析
B类：
机器学习算法,水利工程,工程风险,关系分析,事故风险,数据关联,关联算法,工程事故案例,人为因素,分类系统,HFACS,框架体系,Apriori,多维关联规则,关键影响因素,应急救援,技术保障
AB值：
0.29911
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
