来源：期刊VIP网 时间：
作者：韩子威;朱建生;王辉;詹珂昕;李超旭;
单位：中国铁道科学研究院研究生部;中国铁道科学研究院集团有限公司电子计算技术研究所;中国国家铁路集团有限公司科技和信息化部;
摘要：针对动车组行车故障处置与后续影响因素间的关联性，提出一种随机森林-BP神经网络-Apriori关联规则挖掘模型。将故障处置与后续影响因素划分为4个维度并界定了故障等级。采用随机森林算法进行重要度排序，并选出前10个特征，通过BP神经网络确定权重，确保各因素在关联分析中的贡献度。利用Apriori算法挖掘关联规则，共得到111条关联规则，通过分析高加权支持率及高置信度的规则，揭示影响动车组行车故障的关键因素及其相互间的联系，为优化故障预防策略、提升运营安全提供科学依据。
关键词：动车组故障;;随机森林;;BP神经网络;;Apriori算法;;关联规则
基金资助：中国国家铁路集团有限公司科技研究开发计划(N2024J021);; 国家铁路智能运输系统工程技术研究中心开放课题(RITS2023KF05);; 中国铁道科学研究院集团有限公司科研项目(2023YJ355)
