| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第14-28页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-25页 |
| 1.2.1 事故模型综述 | 第17-20页 |
| 1.2.2 安全风险定量分析方法综述 | 第20-25页 |
| 1.3 研究内容 | 第25-26页 |
| 1.4 文章结构 | 第26-27页 |
| 1.5 本章小结 | 第27-28页 |
| 2 铁路运输事故致因网络的建模与分析方法 | 第28-46页 |
| 2.1 复杂网络理论 | 第28-31页 |
| 2.1.1 网络的图表示 | 第28-29页 |
| 2.1.2 度和度分布 | 第29页 |
| 2.1.3 节点强度和节点强度分布 | 第29-30页 |
| 2.1.4 网络直径和平均路径长度 | 第30页 |
| 2.1.5 聚类系数 | 第30-31页 |
| 2.1.6 介数 | 第31页 |
| 2.2 数据分析和处理 | 第31-33页 |
| 2.2.1 数据分析 | 第31-32页 |
| 2.2.2 数据处理 | 第32-33页 |
| 2.3 铁路运输事故致因网络的建模方法 | 第33-39页 |
| 2.3.1 事故致因因素的提取 | 第33-36页 |
| 2.3.2 节点及有向加权边的确定方法 | 第36-37页 |
| 2.3.3 有向加权铁路运输事故致因网络的构建 | 第37-39页 |
| 2.4 铁路运输事故致因网络的分析方法 | 第39-45页 |
| 2.4.1 度和度分布分析 | 第39-41页 |
| 2.4.2 节点强度和节点强度分布分析 | 第41-42页 |
| 2.4.3 平均路径长度和直径分析 | 第42-43页 |
| 2.4.4 聚类性分析 | 第43-44页 |
| 2.4.5 介数分析 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 3 铁路运输事故致因关联规则挖掘和可视化分析 | 第46-72页 |
| 3.1 铁路运输事故致因关联规则挖掘方法 | 第46-54页 |
| 3.1.1 关联规则挖掘方法 | 第46-47页 |
| 3.1.2 铁路运输事故致因频繁项集快速挖掘算法 | 第47-51页 |
| 3.1.3 铁路运输事故致因关联规则挖掘流程 | 第51-54页 |
| 3.2 系统分析、数据分析和处理 | 第54-58页 |
| 3.2.1 系统分析 | 第54-55页 |
| 3.2.2 数据分析 | 第55-56页 |
| 3.2.3 数据处理 | 第56-58页 |
| 3.3 铁路运输事故致因关联规则挖掘 | 第58-64页 |
| 3.3.1 高支持度关联规则 | 第59-62页 |
| 3.3.2 高置信度关联规则 | 第62-64页 |
| 3.4 铁路运输事故致因关联规则的可视化分析 | 第64-69页 |
| 3.4.1 高支持度关联规则的可视化分析 | 第65-67页 |
| 3.4.2 高置信度关联规则的可视化分析 | 第67-68页 |
| 3.4.3 所有关联规则的可视化分析 | 第68-69页 |
| 3.5 本章小结 | 第69-72页 |
| 4 铁路运输系统中安全风险动态传播建模与分析 | 第72-88页 |
| 4.1 复杂系统中的传播机理和动力学 | 第72-73页 |
| 4.1.1 复杂系统中的传播机理 | 第72页 |
| 4.1.2 复杂网络上的传播动力学 | 第72-73页 |
| 4.2 铁路运输系统中安全风险动态传播建模 | 第73-78页 |
| 4.2.1 铁路运输系统特性分析 | 第73-74页 |
| 4.2.2 铁路运输系统中元素的状态及演化分析 | 第74-76页 |
| 4.2.3 安全风险传播动力学模型 | 第76-78页 |
| 4.3 安全风险动态传播仿真方法 | 第78-81页 |
| 4.4 安全风险传播动力学模型中参数仿真分析 | 第81-87页 |
| 4.4.1 不同的受控节点分析 | 第81-83页 |
| 4.4.2 首次识别出异常情况的时间分析 | 第83-84页 |
| 4.4.3 安全风险传播参数分析 | 第84-85页 |
| 4.4.4 安全风险控制参数分析 | 第85-87页 |
| 4.5 本章小结 | 第87-88页 |
| 5 铁路运输系统中安全风险识别与分析方法 | 第88-108页 |
| 5.1 铁路事故致因因素分析与分类系统(RACFACS) | 第88-90页 |
| 5.2 基于RACFACS的贝叶斯网络建模方法 | 第90-92页 |
| 5.2.1 RACFACS方法下系统的定义 | 第90-91页 |
| 5.2.2 铁路事故致因因素数据集的表示方法 | 第91页 |
| 5.2.3 贝叶斯网络结构的建立方法 | 第91页 |
| 5.2.4 贝叶斯网络参数的学习方法 | 第91-92页 |
| 5.3 数据分析和处理 | 第92-96页 |
| 5.3.1 数据分析 | 第93-94页 |
| 5.3.2 数据处理 | 第94-96页 |
| 5.4 贝叶斯网络建模过程 | 第96-102页 |
| 5.4.1 构建铁路事故致因因素数据集 | 第96-98页 |
| 5.4.2 建立贝叶斯网络模型 | 第98-99页 |
| 5.4.3 生成条件概率表 | 第99-100页 |
| 5.4.4 网络上的概率推理过程 | 第100-102页 |
| 5.5 安全风险识别与分析 | 第102-106页 |
| 5.5.1 关键因素识别 | 第102-103页 |
| 5.5.2 敏感因素识别 | 第103-104页 |
| 5.5.3 异常情况发生后的安全风险识别 | 第104-106页 |
| 5.6 本章小结 | 第106-108页 |
| 6 结论和展望 | 第108-112页 |
| 6.1 全文总结 | 第108-109页 |
| 6.2 研究展望 | 第109-112页 |
| 参考文献 | 第112-122页 |
| 附录 | 第122-126页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第126-130页 |
| 学位论文数据集 | 第130页 |