【技術實現步驟摘要】
本申請涉及鐵路故障溯源，尤其涉及一種基于加權路徑排序算法的鐵路故障溯源方法及系統。
技術介紹
1、溯源知識圖譜是用于描述、記錄和追蹤信息或數據來源及其變更過程的一種結構化數據模型。其主要目標是幫助用戶確保運營安全、維護效率和事故追蹤等關鍵任務，使用戶能夠實現追根溯源，理解數據的生成、傳輸、變更和使用的全過程。
2、鐵路運輸是現代社會重要的交通運輸方式之一，其安全性直接關系到公共安全和經濟運行。然而，鐵路系統結構復雜，涉及多個子系統和大量設備，一旦發生故障，快速、準確地確定故障根源并進行處理是確保鐵路運輸安全的重要環節。
3、現有的鐵路安全故障溯源方法主要依賴于人工經驗和傳統的數據分析技術，存在診斷效率低、準確率不足的問題。
技術實現思路
1、為至少在一定程度上克服相關技術中的鐵路安全故障溯源方法主要依賴于人工經驗和傳統的數據分析技術，存在診斷效率低、準確率不足的問題，本申請提供一種基于加權路徑排序算法的鐵路故障溯源方法及系統。
2、本申請的方案如下：
3、根據本申請實施例的第一方面，提供一種基于加權路徑排序算法的鐵路故障溯源方法，包括：
4、獲取鐵路系統的歷史故障數據、設備運行數據和維護記錄進行三元組構建；
5、將三元組信息存儲至圖數據庫并構建溯源知識圖譜；
6、構建所述溯源知識圖譜的子圖作為故障因果鏈，提取所述故障因果鏈對應的貝葉斯網絡模型；
7、根據所述貝葉斯網絡模型、隨機游走算法以
8、將溯源知識圖譜輸入加權路徑排序算法，根據加權后的故障因果鏈執行加權路徑排序算法，輸出各路徑的得分，根據路徑的得分對路徑進行排序；
9、將排序最高的一條或多條路徑作為故障節點的溯源結果。
10、優選地，獲取鐵路系統的歷史故障數據、設備運行數據和維護記錄后，所述方法還包括：
11、對鐵路系統的歷史故障數據、設備運行數據和維護記錄進行清洗，去除噪聲和異常數據；
12、對處理后的數據進行實體提取，并統計每個實體的出現頻率；
13、根據總量和每個實體的出現頻率計算每個實體的出現概率作為先驗概率，將先驗概率作為實體的屬性值。
14、優選地，進行三元組構建，包括：
15、提取處理后的數據中的實體信息和關系信息；
16、對名稱屬性相同的實體信息進行去重操作和同義詞映射；
17、將表示為相同含義的實體信息和關系信息進行知識融合。
18、優選地，所述方法還包括：
19、通過圖數據庫存儲和管理溯源知識圖譜，支持溯源知識圖譜的查詢和更新。
20、優選地，構建所述溯源知識圖譜的子圖作為故障因果鏈，提取所述故障因果鏈對應的貝葉斯網絡模型，包括：
21、通過cypher查詢抽取所述溯源知識圖譜的子圖作為故障因果鏈；
22、構造貝葉斯網絡結構參數分布，結合樣本共同學習貝葉斯網絡結構；
23、通過所述故障因果鏈構建與所述溯源知識圖譜對應的貝葉斯網絡模型。
24、優選地，根據所述貝葉斯網絡模型、隨機游走算法以及注意力機制模型對所述故障因果鏈進行加權，包括：
25、通過所述貝葉斯網絡模型，計算故障因果鏈中故障節點的后驗概率，作為故障節點的事件重要度；
26、通過隨機游走算法確定路徑中故障節點的特征值；
27、通過注意力機制模型根據路徑中故障節點的重要級為其分配對應的注意力機制權重；
28、根據故障節點的事件重要度、節點特征值和注意力機制權重對所述故障因果鏈進行加權，得到加權后的故障節點的重要程度。
29、優選地，將溯源知識圖譜輸入加權路徑排序算法，根據加權后的故障因果鏈執行加權路徑排序算法，包括：
30、從起始節點出發，執行圖遍歷算法，探索溯源知識圖譜中的全部路徑；
31、在遍歷過程中，生成從起始節點到目標節點的所有路徑，并收集到一個路徑集合中；
32、根據預定義的評估指標和排序規則，對每條路徑進行評估，計算其權重或評分；
33、依據路徑的權重或評分，對路徑進行排序；
34、將排序結果以列表排序形式或按重要性排序形式進行輸出。
35、優選地，對鐵路系統的歷史故障數據、設備運行數據和維護記錄進行清洗，去除噪聲和異常數據后，所述方法還包括：
36、通過bilstm神經網絡模型對處理后的數據進行分詞處理，生成鐵路安全領域故障實體語料庫；
37、根據預定義的實體類型對所述鐵路安全領域故障實體語料庫進行語料標注，獲得標注信息，并轉化為bio格式，生成鐵路安全故障訓練數據；
38、通過bert模型處理四平市鐵路安全領域故障訓練數據，生成鐵路安全領域故障詞向量；
39、通過雙向神經網絡bilstm模型處理所述鐵路安全領域故障詞向量，提取深層語義信息；
40、通過crf模型處理所述深層語義信息，獲得最大概率標注序列，根據所述最大概率標注序列輸出鐵路安全領域故障實體；
41、基于所述鐵路安全故障詞向量對所述鐵路安全領域故障實體進行特征提取，得到特征向量；
42、通過卷積神經網絡對所述特征向量進行卷積操作，得到卷積結果；
43、通過最大池化操作提取所述卷積結果中的最大特征值，由卷積神經網絡輸出鐵路安全領域故障實體關系。
44、根據本申請實施例的第二方面，提供一種基于加權路徑排序算法的鐵路故障溯源系統，包括：
45、獲取模塊，用于獲取鐵路系統的歷史故障數據、設備運行數據和維護記錄進行三元組構建；
46、知識圖譜模塊，用于將三元組信息存儲至圖數據庫并構建溯源知識圖譜；
47、貝葉斯網絡模塊，用于構建所述溯源知識圖譜的子圖作為故障因果鏈，提取所述故障因果鏈對應的貝葉斯網絡模型；
48、加權模塊，用于根據所述貝葉斯網絡模型、隨機游走算法以及注意力機制模型對所述故障因果鏈進行加權；
49、排序模塊，用于將溯源知識圖譜輸入加權路徑排序算法，根據加權后的故障因果鏈執行加權路徑排序算法，輸出各路徑的得分，根據路徑的得分對路徑進行排序；
50、溯源模塊，用于將排序最高的一條或多條路徑作為故障節點的溯源結果。
51、本申請提供的技術方案可以包括以下有益效果：
52、本技術方案先根據鐵路系統的歷史故障數據、設備運行數據和維護記錄構建溯源知識圖譜，然后結合貝葉斯網絡模型、隨機游走算法和注意力機制模型對溯源知識圖譜進行加權路徑排序算法，實現高效、準確的鐵路安全故障溯源，顯著提升了鐵路運輸的安全性和可靠性，具有廣泛的應用前景和顯著的實用價值。
53、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本申本文檔來自技高網...
【技術保護點】
1.一種基于加權路徑排序算法的鐵路故障溯源方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，獲取鐵路系統的歷史故障數據、設備運行數據和維護記錄后，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，進行三元組構建，包括：
4.根據權利要求1所述的方法，其特征在于，所述方法還包括：
5.根據權利要求1所述的方法，其特征在于，構建所述溯源知識圖譜的子圖作為故障因果鏈，提取所述故障因果鏈對應的貝葉斯網絡模型，包括：
6.根據權利要求1所述的方法，其特征在于，根據所述貝葉斯網絡模型、隨機游走算法以及注意力機制模型對所述故障因果鏈進行加權，包括：
7.根據權利要求1所述的方法，其特征在于，將溯源知識圖譜輸入加權路徑排序算法，根據加權后的故障因果鏈執行加權路徑排序算法，包括：
8.根據權利要求2所述的方法，其特征在于，對鐵路系統的歷史故障數據、設備運行數據和維護記錄進行清洗，去除噪聲和異常數據后，所述方法還包括：
9.一種基于加權路徑排序算法的鐵路故障溯源系統，其特征在于
...【技術特征摘要】
1.一種基于加權路徑排序算法的鐵路故障溯源方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，獲取鐵路系統的歷史故障數據、設備運行數據和維護記錄后，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，進行三元組構建，包括：
4.根據權利要求1所述的方法，其特征在于，所述方法還包括：
5.根據權利要求1所述的方法，其特征在于，構建所述溯源知識圖譜的子圖作為故障因果鏈，提取所述故障因果鏈對應的貝葉斯網絡模型，包括：
6...
【專利技術屬性】
技術研發人員：劉淑芳，徐子龍，李紅輝，王梓博，
申請(專利權)人：北京東方坦達科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。