(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111490618.7 (22)申请日 2021.12.08 (71)申请人 中核武汉 核电运行技 术股份有限公 司 地址 430223 湖北省武汉市东湖新 技术开 发区民族大道1021号 (72)发明人 董宁　张廉　胡攀　蔡汉坤　 王晓东　刘莉　杨朦　王奎　 温庆邦　孙建军　胡伟　 (74)专利代理 机构 核工业专利中心 1 1007 代理人 李东斌 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/35(2019.01) G06F 40/284(2020.01)G06N 20/00(2019.01) G06Q 50/06(2012.01) (54)发明名称 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 (57)摘要 本发明提供了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， 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。 本发 明提供的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， 其能够实现核电厂低级别 事件的自动编码， 通过基于编码的趋势分析自动 识别异常趋势及定位共性问题， 并实现对已进行 根本原因分析的异常趋势的持续跟踪与评价。 权利要求书2页 说明书5页 附图2页 CN 114357130 A 2022.04.15 CN 114357130 A 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；权　利　要　求　书 1/2 页 2 CN 114357130 A 2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。权　利　要　求　书 2/2 页 3 CN 114357130 A 3