[發明專利]一種人因要素隱患分析診斷方法

在審

• 申請號: 201710380136.3
• 申請日: 2017-05-25
• 公開（公告）號: CN107103434A
• 公開（公告）日: 2017-08-29
• 發明（設計）人: 陳婷;周大鵬;俞國勤;姚勇;高宇博;周毓穎;高敬貝;陳京;姜玉靚;彭勇
• 申請（專利權）人: 國網上海市電力公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 上海信好專利代理事務所(普通合伙)31249
• 代理人: 周榮芳

1.一種人因要素隱患分析診斷方法，其特征在于，包含以下步驟：

步驟S1、采集一線員工全覆蓋人因要素信息，構建人因要素基本指標數據集合；

步驟S2、根據人因要素基本指標數據集合構建人因要素可拓分析模型；

步驟S3、構建人因要素隱患分析診斷決策模型；

步驟S4、輸入待測員工樣本數據，得到人因要素綜合診斷決策及其置信評估。

2.如權利要求1所述的人因要素隱患分析診斷方法，其特征在于，還包括步驟S5、由后臺系統對診斷決策結果進行發布推送，指導進行人因要素隱患回溯治理。

3.如權利要求1所述的人因要素隱患分析診斷方法，其特征在于，在步驟S1中，所述人因要素信息包含客觀感知信息和主觀感知信息。

4.如權利要求1所述的人因要素隱患分析診斷方法，其特征在于，在步驟S2中，具體包含以下步驟：

步驟S21、將人因要素基本指標數據劃分為量變經典域和質變節域；

步驟S22、根據劃分的經典域和節域構造人因要素可拓分析模型。

5.如權利要求1所述的人因要素隱患分析診斷方法，其特征在于，在步驟S3中，具體包含以下步驟：

步驟S31、基于樣本統計特性估計分析，對基本指標集合樣本數據集進行自適應樣本過采樣融合；

步驟S32、基于均衡樣本集對指標集合與算法集合進行并行多目標優化，并對集合關聯性深度挖掘，對指標/算法Pareto特征非劣子集求解最優關聯特征子集；

步驟S33、在對最優特征向量以及最優分類器集合的綜合性能進行測試驗證之后，對最優分類器集合的診斷決策結果進行信度融合，生成針對不同群體的人因要素隱患分析診斷決策模型。

6.如權利要求5所述的人因要素隱患分析診斷方法，其特征在于，在步驟S31中，具體包含以下步驟：

步驟S311、將基本指標數據集劃分為四個子集：狀態優良、狀態良好、狀態合格、狀態不合格；

步驟S312、計算所述待融合少數樣本集樣本數，對于每個少數數據集樣本計算其相對k鄰近比率，在此基礎上，對相對k臨近比率進行歸一化計算密度分布；

步驟S313、構造基于高斯分布的加權過采樣概率密度估計函數，并從所述概率密度分布中采樣待融合少數樣本集樣本數，構造滿足樣本均衡條件的融合少數數據集。

7.如權利要求5所述的人因要素隱患分析診斷方法，其特征在于，在步驟S33中，具體包含以下步驟：

步驟S331、根據關聯的Pareto非劣算法決策結果集合構建決策矩陣；

步驟S332、對決策矩陣的每一行分別取悲觀態度策略和樂觀態度策略計算OWA算子，即分別取該行評價值的最小值與最大值，得到多個決策信息區間；

步驟S333、將區間的左列視為悲觀信息源，其右列作為樂觀信息源，分別對其進行歸一化，構造代表悲觀態度和樂觀態度的模糊決策向量；

步驟S334、使用α-cut法將模糊決策向量轉化為DS證據理論中的基本信度分配，并基于Dempster-Shafer信度融合規則得到最終的綜合決策規則，從而判定人因要素樣本的最終狀態類型歸屬。