一种核电评估数据自动流分析方法技术

本发明专利技术提供了一种核电评估数据自动流分析方法，包括以下步骤：步骤S1：划分属性，对两个AFI之间的驱动关系按照决策树流程进行分析；步骤S2：按照属性划分得到的样例集，以AFI

【技术实现步骤摘要】
一种核电评估数据自动流分析方法


[0001]本专利技术涉及核电同行评估数据的分析与评价
，尤其涉及一种核电评估数据自动流分析方法。

技术介绍

[0002]自美国在1979年开创了核电领域同行评估以来，核电评估已成为全球核电行业追求卓越、不断提升核电运营管理水平的一种有效手段。随着核电评估活动的不断开展，如何有效利用评估产生的数据，如何将评估真正落实为改进核电厂绩效的工具，是国内外核电组织长期致力解决的问题，也是电力公司和核电厂的根本需求。
[0003]目前国际上采用流分析(Stream Analysis)方法找出评估深层次原因，其操作方式是通过组建人工分析小组，对核电评估数据进行分析，绘制核电评估数据之间的促成关系和相互联系，找出核电厂的管理深层次原因的一种方法。
[0004]这种人工流分析方法无法快速有效地自动生成评估数据间的驱动关系图以识别驱动因素，此外，在分析的过程中需要依靠人的主观性，如驱动关系的划分以及当面对参与者不同意见时需要高阶领导的决策等。因此，这种方法在实际应用过程中存在两个短板，其一是需要耗费人力和时间；其二是人的主观性过多地参与了分析过程，可能存在不确定性。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中所述的缺陷，从而提供一种更加快捷、高效且能规避人的主观性的核电评估数据自动流分析方法。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]一种核电评估数据自动流分析方法，包括以下步骤：
[0008]步骤S1：划分属性，对两个AFI之间的驱动关系按照决策树流程进行分析；
[0009]步骤S2：按照属性划分得到的样例集，以AFI
‑
A为基准，AFI
‑
B与AFI
‑
A的关系进行判断；
[0010]步骤S3：选择最优化属性，并以信息增益为准则来选择划分属性，确定决策树的根结点、内部结点或叶结点，进而完成决策树的绘制；
[0011]步骤S4：设计模型基础信息。
[0012]所述步骤S1中，包括领域关联度、领域维度、关键词关联度和关键词维度四个属性。
[0013]所述领域关联度包括四个结点，所述领域维度包括三个结点，所述关键词关联度包括三个结点；所述关键词维度包括三个结点。
[0014]所述步骤S2中，A/B关系包含三种：A驱动B、B驱动A或A与B无驱动关系。
[0015]所述步骤S3具体包括：
[0016]步骤S31：根据样本中不同结果所占比例，计算出各个结点的信息熵；
[0017]步骤S32：根据结点的信息熵计算信息增益；
[0018]步骤S33：绘制决策树模型。
[0019]所述步骤S31中通过计算出各个结点的信息熵。
[0020]所述步骤S4具体包括：
[0021]步骤S41：根据核电评估中常见的关键词按照高、低和无关联三个方面进行划分，关键词之间的关系进行高、低和无关联的三种类型进行划分；
[0022]步骤S42：对领域的维度基础信息进行设计，对评估准则中的子领域的维度关系进行排序；
[0023]步骤S43：对核电评估的关键词维度进行设计，对评估数据中常见的关键词的维度关系进行排序。
[0024]与现有技术相比，本专利技术提供的核电评估数据自动流分析方法具有以下有益效果：
[0025]本专利技术提供的核电评估数据自动流分析方法更加快捷、高效且能规避人的主观性，借助信息化手段和决策树模型搭建了核电评估数据的自动流分析方法，以补充现有人工流分析方法的不足。此外，通过决策树模型对核电评估数据进行自动流分析，并能通过工具一键分析核电评估数据的相互驱动关系，自动识别核心驱动因素，大大提升了评估数据的分析效率，并能规避常规人工分析方法带来的主观因素。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0027]图1为本专利技术实施例所提供的核电评估数据的自动分析样例集的示意图；
[0028]图2为本专利技术实施例所提供的基于领域关联度属性的根结点划分的示意图。
具体实施方式
[0029]下面通过具体实施方式进一步详细说明。
[0030]如图1和图2所示，本专利技术提供了一种核电评估数据自动流分析方法，包括如下步骤：
[0031]步骤S1：划分属性，对两个AFI之间的驱动关系按照决策树流程进行分析；
[0032]步骤S2：按照属性划分得到的样例集，以AFI
‑
A为基准，AFI
‑
B与AFI
‑
A的关系进行判断；
[0033]步骤S3：选择最优化属性，并以信息增益为准则来选择划分属性，确定决策树的根结点、内部结点或叶结点，进而完成决策树的绘制；
[0034]步骤S4：设计模型基础信息。
[0035]具体地，本专利技术主要围绕如何设计一种基于决策树模型的核电评估数据自动分析机制，主要的技术步骤如下：
[0036](1)属性划分选择
[0037]决策树模型建立的基本要素是划分属性。根据评估数据流分析的流程，方案设想对两个AFI(A、B)之间的驱动关系按照决策树流程进行分析，本方案中设计了“领域关联度”、“领域维度”、“关键词关联度”和“关键词维度”四个属性。
[0038]其中，领域关联度设计了“高”、“中”、“低”、“无”四个结点；领域维度设计了“高”、“低”、“相同”三个结点；关键词关联度设计了“高”、“低”、“无”三个结点；关键词维度设计了“高”、“低”、“相同”三个结点。
[0039](2)确定样例集
[0040]按照4个属性划分得到的样例集(Y)，以AFI
‑
A为基准，AFI
‑
B与AFI
‑
A的关系进行判断，总共包含了108个样例，如表1所示。其中A/B关系包含三种：A
→
B(A驱动B)、B
→
A(B驱动A)或A≠B(A与B无驱动关系)。
[0041]表1
[0042][0043][0044][0045][0046][0047][0048](3)最优化属性的选择
[0049]完成属性划分及样例集的确定后，建立决策树模型的关键是选择最优化属性，并以信息增益为准则来选择划分属性，确定决策树的根结点(第一个最优化属性)、内部结点(除根结点外的分枝结点)或叶结点(没有子结点的结点)，进而完成决策树的绘制。
[0050]31)信息熵的计算
[0051]根据样本中不同结果所占比例，计算出各个结点的信息熵，其计算公式为(以下称式1)，
[0052]根结点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核电评估数据自动流分析方法，其特征在于，包括以下步骤：步骤S1：划分属性，对两个AFI之间的驱动关系按照决策树流程进行分析；步骤S2：按照属性划分得到的样例集，以AFI
‑
A为基准，AFI
‑
B与AFI
‑
A的关系进行判断；步骤S3：选择最优化属性，并以信息增益为准则来选择划分属性，确定决策树的根结点、内部结点或叶结点，进而完成决策树的绘制；步骤S4：设计模型基础信息。2.根据权利要求1所述的核电评估数据自动流分析方法，其特征在于，所述步骤S1中，包括领域关联度、领域维度、关键词关联度和关键词维度四个属性。3.根据权利要求2所述的核电评估数据自动流分析方法，其特征在于，所述领域关联度包括四个结点，所述领域维度包括三个结点，所述关键词关联度包括三个结点；所述关键词维度包括三个结点。4.根据权利要求1所述的核电评估数据自动流分...

【专利技术属性】
技术研发人员：徐小照，孙振，郭俊，
申请(专利权)人：核动力运行研究所，
类型：发明
国别省市：