| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 人和组织因素事故致因模型的研究 | 第12-17页 |
| 1.2.2 关联性分析方法的研究 | 第17-19页 |
| 1.3 研究内容和章节安排 | 第19页 |
| 1.4 本章小结 | 第19-21页 |
| 2 事故混合学习的相关理论和方法 | 第21-33页 |
| 2.1 人和组织因素分类模型HFACS | 第21-27页 |
| 2.1.1 不安全行为 | 第22-23页 |
| 2.1.2 不安全行为的前提条件 | 第23-25页 |
| 2.1.3 不安全监管 | 第25-26页 |
| 2.1.4 组织影响 | 第26-27页 |
| 2.2 量化关联性分析方法 | 第27-31页 |
| 2.2.1 网络分析法ANP | 第27-29页 |
| 2.2.2 模糊决策试验及评价实验法F-DEMATEL | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 3 铁路事故人因分析及分类模型( HFACS-RAs)设计 | 第33-47页 |
| 3.1 铁路事故数据分类 | 第33-34页 |
| 3.2 HFACS-RailwayAccidents(HFACS-RAs)模型设计 | 第34-44页 |
| 3.3 HFACS-RAs模型可靠性验证 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于HFACS-RAs的事故混合学习方法的设计 | 第47-61页 |
| 4.1 基于HFACS-RAs模型的"编码"过程 | 第49页 |
| 4.2 基于F-DEMATEL的全局关系分析 | 第49-54页 |
| 4.3 HFACS-RAs模型子类的关联性分析 | 第54-57页 |
| 4.4 相对权重计算及措施防御 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 案例研究 | 第61-81页 |
| 5.1 事故概述 | 第61-64页 |
| 5.2 "7·23"事故人和组织致因识别和分类 | 第64-67页 |
| 5.3 "7·23"事故父类致因全局关系分析 | 第67-69页 |
| 5.4 "7·23"事故子类致因关联性分析 | 第69-77页 |
| 5.5 人和组织致因的权重计算和防御措施建议 | 第77-79页 |
| 5.6 本章小结 | 第79-81页 |
| 6 结论与展望 | 第81-83页 |
| 6.1 本文的工作 | 第81页 |
| 6.2 今后的研究工作 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 图索引 | 第87-88页 |
| 表索引 | 第88-89页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第89-93页 |
| 学位论文数据集 | 第93页 |
