基于文本挖掘的核电运行事件致险因素分析.pdf

第 24 卷第 2 期2023 年 4 月南华大学学报(社会科学版)Journal of University of South China(Social Science Edition)Vol.24 No.2Apr.2023收稿日期 2022-10-06作者简介 陈建华(1971),男,湖南衡阳人,南华大学经济管理与法学学院教授,博士。1 南华大学经济管理与法学学院硕士研究生。基于文本挖掘的核电运行事件致险因素分析陈建华,雷润寰1(南华大学 经济管理与法学学院,湖南 衡阳 421001)摘 要 核电厂运行经验的精准高效反馈是提升核电安全运行的重要手段。为辨识核电运行安全关键影响因素,文章选取 20172021 年的核电运行事件报告进行分析,采用文本挖掘方法,构建自定义词库对文本分词,回溯原始特征项在报告中的具体描述,将运行事件致险特征项进行可视化,改进基于词频关联关系评估方法来识别运行事件致险特征项的重要程度。结果表明,目前核电运行事件中人因因素占比为 60.21%,规程不完善是影响人因失误的首要因素,且人因因子的关联性普遍要优于管理因子和设备因子。关键词 核电厂;文本挖掘;运行事件;安全管理中图分类号 TM623 文献标识码 A文章编号 1673-0755(2023)02-0001-08DOI:10.13967/ki.nhxb.2023.0017 苏联切尔诺贝利、美国三哩岛、日本福岛核事故的发生严重影响了全球核电的发展,人们更加重视核电安全。随着科技的进步,核电运行技术和装备可靠性不断提高,但面对复杂的核电系统,还是会发生意外的核电运行事件。核电厂运行经验的反馈是维持核电安全运行的重要手段。在保障核电厂安全的措施上,KIN 等从安全文化角度对核电厂进行核安全文化评估,提出基于贝叶斯网络的安全文化定量评估方法,识别核电厂的安全状态与人员安全意识之间的因果关系,以提高核安全文化水平1。ZHAO 等将任务复杂性(TACOM)量化方法引入标准化核电厂风险分析人因可靠性(SPAR-H)方法,能够有效识别任务复杂度因子,实现对人因失误概率的更准确预测2。修炳林等对 20172019 年的运行事件进行统计分析,确定其中人因、设备、管理因子之间的共性问题,探讨核电安全管理的提升重点3。李鹏程等为减少专家经验判断的主观性和不确定性,通过大量核电人因事件报告分析,研究核电厂操纵员行为形成因子(PSF)之间的重要性和相关性4。刘时贤等对 2019 年之前我国核电发生具有较大后果的 23 起误碰事件进行案例分析,为核电机组降低误碰运行事件的概率提供了借鉴5。上述针对核电运行事件进行的再分析,需要耗费大量时间,并容易受到分析者主观因素的影响。随着数据分析理论的发展与数据挖掘技术的成熟,从文本内容分析事故因素的研究成果增多,例如,吴伋等对 20132017 年的船舶碰撞事故进行文本挖掘,确定船舶碰撞的首要致因是人为因素。并构建碰撞风险的贝叶斯网络,进行事故的风险预测6。TIXIER 等为预防施工安全事故的发生,对施工事故报告采用自然语言处理技术构建事故报告分析系统,通过分析发现新的安全规律以改进工地安全管理7。ZHANG 等借助文本挖掘分析施工事故调查报告,挖掘其中蕴含的事故致因,确定了导致事故发生的 11 个主要因素8。数据挖掘技术也已应用在核电各方面,KLESHCHYOVA 等应用数据挖掘技术对核电厂事实耗电数据进行分析,提出预测核电厂耗电量的方法9。PARK 等利用数据挖掘技术从运行事件报告中提取了核电 PSFs 因子的相关重要性10。CAO 等通过数据挖掘将海洋核电站的运行数据和船舶参数进行数据融合,改进海洋核电站状态评估模型,实现了故障溯源和运行状态评估11。关于文本数据分析,在航空、建筑、核电等行业领域都有一些研究,但运用数据挖掘方法来识别核电运行致险因素重要性和关联关系方面的研究还有待进一步加强。相比传统对核电运行事件分析的统计方法或专家经验法,文本挖掘更能深入分析文本信息12。数据挖掘方法不仅能体现核电运行事件中致险因素的重要性,而且能识别潜在关联关系。因此,本文采用文本挖掘方法分析核电运行事件报告,引入复杂网络评估方法以改进对致险因素重要度的评估,使得评估结果更为精准。一 文本挖掘的方法概要(一)文本挖掘流程相对于常见的结构化数据,文本是一种非结构化数据,而文本挖掘是从非结构化数据中,通过数据处理手段如分词、降噪、聚类等手段,将其转化为结构化数据,以便能够快速获取文本关键信息。文本挖掘涉及多学科研究,主要集中于数据库技术、基于web 的协作写作、文本分析、机器学习和知识发现13。在大数据的背景下,文本作为最大的储存信息源,更应该注重文本的知识发现,本文为分析核电运行事件中的致险因素,采用文本挖掘的方法分析核电运行事件报告,其知识发现流程见图 1。图 1 文本挖掘流程 (二)文本挖掘语料库选取2017 年被称为“核电安全管理提升年”,国家核安全局为提升核电安全开展了多项核电管理行动,包括对典型的运行事件进行评估分析,持续加强核电行 业 的 经 验 反 馈 和 安 全 管 理。本 文 收 集 了20172021 年国内某些核电企业详细的核电厂运行事件报告共 154 条,经筛选后可用报告共 142 条,事件发生前机组状态分布见图 2。对运行事件进行公开是国际上发展核电国家的普遍做法,运行事件报告的主要内容包括事件基本信息、事件描述、事件后果、分析过程、事件代码、纠正行动、经验教训等相关内容。图 2 事件发生时机组状态分布为保证运行事件报告文本挖掘的精准性,本文仅将核电运行报告中的事件分析过程的主要失效点或故障点确定、原因分析和 WANO 事件代码分析的内容作为文本挖掘的语料库,其中原因分析过程是对事件相关人员进行访谈和现场检查,在事件发生后也进行回访或采取情景重现的方式分析核电厂运行事故的原因,逐步分析排查,从访谈和事后调用主控录音电话、人员资质是否符合程序要求、现场复盘或者模拟机操作复盘等方面进一步核实事件发生的原因。为剔除文本挖掘的干扰因素,语料库未收录报告中已排除的原因分析文本部分。(三)文本预处理本文的文本挖掘是基于 Python 语言环境下,通过 PyCharm 采用能够支持用户自定义词库的 jieba包对文本进行分词,由于核电领域的词语大多数为专业术语,为确保分词的准确性,需要构建核电领域的分词词库、停用词词库和同义词词库。(1)中文分词,在 Python 下通过 jieba 中文分词工具对运行事件报告进行分词,为了避免运行事件报告中如调节阀动作异常、限位开关等专有术语被切分,我们结合百度词库、核电相关文献中的特有表述,构建分词词库。(2)去停用词,核电厂运行事件报告中存在较多的噪声词,主要可分为三类噪声词:第一类词是事2 南华大学学报(社会科学版)2023 年件报告中普遍存在且无意义的词语,如是、的、标点符号等;第二类词是频繁出现在各类事件报告中的词,如事故、根本原因、事件调查等,以及描述运行事故发生后机组状态的词如灭磁开关跳闸、发电机停机、反应堆停堆等,它们并不是导致事件发生的原因;第三类词是事件报告相关核电企业及核电设备的专用名称等。为提高事件挖掘的精度需要剔除以上几类对运行安全无影响的词语。(3)同义词词库,中文存在含义相同但表述不同的词语,在核电厂运行事件报告中,不同地域的核电企业汇报的运行事件报告中存在不同的表述,例如“风险分析不足”有“风险分析不够全面”“风险分析不规范”“风险论证不足”等表述。核电运行事件同义词词库较难收集,因此,本文从已收集核电厂运行事件报告并针对不同核电企业的事件报告中按等比分配法随机抽取,总计 60 份,归纳事件致因的不同表述,结合 WANO 运行经验大纲14,构建文本分析的同义词词库。二 运行事件致险因素提取(一)文本分词和特征降维本文在分析核电运行事件报告中,所抓取的语料库由主要失效故障点、原因分析的非结构化信息和事件代码半结构化信息两部分构成。在 Python环境下通过 sklearn 包导入 CountVectorizer 模块,设置一定阈值,将文本用向量表示,对语料库进行分词,得到核运行事件的高维稀疏原始特征集合。高维文本特征集合会影响致因因素提取,因此需要做降维处理。周茜等通过对文档频率(DF)、信息增益(IG)、互信息(MI)和 X2统计(CHI)等中文文本特征选择方法的研究发现 X2统计特征选择效果比 IG和期望交叉熵更具优势15。陈晓云等在对信息增益(IG)、互信息(MI)和 X2统计(CHI)的对比中发现 X2统计比互信息方法更能表征文本特征的相关性16。在文本召回率和查准率方面 X2统计降维方法更具优势,具体公式如下:2(t,ci)=n (a d-c d)2(a+c)(b+d)(a+b)(c+d)(1)式中:n 为整个文本的个数;a 为属于 ci类且包含特征项 t 的文本频率;b 为不属于 ci类且包含特征项 t 的文本频率;c 为属于 ci类但不包含特征项 t的文本频率;d 为不属于 ci类也不包含特征项 t 的文本频率。那么整个语料库的 X2值如下式所示:2max(t)=maxmi=12(t,ci)(2)设定 m 值能去除文本中大部分噪声词,达到降维目的,结合 Python 的统计功能归纳特征项代表的致险因素,构建所对应的同义词词库,得到核运行事件报告的文本特征降维结果及其报告中的具体表述,见表 1。表 1 核电运行事件致险因素降维结果(部分)序号运行事件致险特征项报告中的不同表述N1程序和规程不完善程序不完善、程序存在不完善、程序规定不完善、规程不明确、规程未明确、程序内容不完善、大纲内容不全面、大纲存在缺失、规程存在缺失、程序标准不清晰、程序中未明确规定、程序中缺少、程序未要求、程序中未明确、程序要求不够细致、管理流程不完善、程序描述不完善、规程质量缺陷、缺乏规定、无操作规程操作步骤未明确、管理体系不完善N2人员未严格按规范执行未严格执行制度、未按照规程步骤、未按照程序要求、未严格执行程序、未遵守管理程序、未能彻底执行、未能有效执行、行为规范执行不到位、执行不到位、未严格遵守程序、未按管理程序要求、未严格遵守工作管理要求、没有严格遵守操作规程、未严格进行、未按要求执行、未严格按设计图纸执行N3风险分析不足风险识别工作不足、风险识别不足、未识别出风险风险认知不足、风险识别不全面、风险识别不到位、风险分析不全面、风险分析不够全面、风险论证不足、风险分析不完整、风险识别能力不全面、未进行完整风险分析、风险分析不到位、风险提示不足、风险分析有所不足、风险控制存在不足、风险预期不足、风险意识不足、未进行风险评估N59设计寿命内失效设计寿命内失效、预期寿命内发生故障 (二)致险因素提取在文本分析过程中,为了让文本中的知识便于发现,我们利用 Python 下的 TfidfTransformer 模块将文本转换为向量空间模型(VSM),文本信息的空间3第 2 期陈建华,雷润寰:基于文本挖掘的核电运行事件致险因素分析向量由文本分词后特征项和其权重构成,以下 4 点是其定义:定义 1:文档 D,第 i 份核电运行事件报告文本记为 Di。定义 2:文本特征项,是指能够代表文本特征信息的词、短语等,用 Tk表示。定义 3:文本特征项权重 W,是指文本特征 Tk在运行事件报告文本 D 的重要程度,一般用 tf-idf公式计算表示,具体如下:tfi,j=ni,jknk,j(3)式中:ni,j为该词条在文本 Di中出现的次数;knk,j为所有词条在所有文本 D 中出现的次数总和。idf=lg|D|j:ti dj(4)式中:D 为所有文本之和;j:ti dj为含有词条 ti的文本数量。文本特征项的权重如下式所示:tf-idf=tfi,j idfi(5)定义 4:文本挖掘中,文本分词后所提取的特征项将根据上述公式计算其对应的权重,并将其特征项转化为空间向量,计算所获得的所有文本的向量集就构成了该文本的 VSM。在 Python 下通过 sklearn 包计算核电厂运行事件报告所获得致险因素的权重时,发现对其 tf-idf值做归一化处理后,致险因素之间的权重数值比重不明显,主要是研究的运行事件报告有限,因此本文在运算上并未采取传统的归一化处理,具体致因因素权重见表 2。(三)致险因素可视化与重要度评估运行经验对核电的安全管理至关重要,有效的经验反馈可以改善核电的培训管理工作,降低运行事件的发生频率。在进行文本特征项提取后,根据运行事件致险因素在不同事件报告中的共现次数,在 Python 环境下计算致险因素的共现矩阵,绘制的共现网络见图 3。为进一步突出运行事件致险因素在关联关系下的重要程度,本文引入陈志远等提出的词频关联加权度评估方法(TF-K)17。但在研究过程中发现,运用该方法一旦出现低频致险因素或者词库中没有的生僻特征项,且在共现次数少的情况下,其重要度评估结果将为 0,那评估结果将没有意义。图 3 运行事件致险因素共现网络为解决这一问题,在不改变关联关系的基础上进行平滑改进,改进后公式如下式所示:aij=1,wij wij0,wij wij(6)式中:wij为致险因素节点 i 与其他所有关联节点 j 的边权值;wij为平均边权值;定义 aij为关联边权值。Ki=Ni,j=1aijKi=Ni,j=1aij+Ni,j=1aji+1(7)式中:Ki表示节点 i 的关联加权度,Ki为改进后的 Ki,aji为在低频节点 i 中高频节点 j 与节点 i 的关联边权值,提高了低频特征项权重。TF-K(i)=TF K(i)(8)式中:TF-K为基于词频关联关系的重要度评估函数,TF-K值越大,对运行事件的影响越明显,致险因素具体影响程度如表 2 所示。在不改变节点关联关系情况下,对节点 i 关联的所有节点 j 边权度进行计算和对 TF-K的改进不仅有效平衡了高频词语所带来的高关系下的 K值,也对低频词语的 K值有一定的提升,对核电运行事件致险因素的重要度评估更加合理。三 结果分析(一)运行事件致险因素分析核电运行事件致险因素的提取以张力等和ZOU Y 等对核电厂运行事件影响因素分类为基础18-19,并参照了 WANO 运行经验大纲。运行事件的致险因素主要可分为人因因素、设备因素、管理因素和环境因素,见表 2。4 南华大学学报(社会科学版)2023 年表 2 核电运行事件致险因素特征及其指标序号运行事件致险因素TFDFWDTF-IDFKKKWD/KTF-KN1程序和规程不完善1566040658.375522237.383588N2人员未严格按规范执行1134433557.505116186.572 034N3风险分析不足1034432952.415321206.212 060N4现场管理不到位964129951.795019235.982 208N5设计不合理874124146.945322234.552 001N6疏忽或过错623930634.805122196.001 178N7监理人员工作不到位522421840.154719204.641 040N8设备突发失效故障50257837.72347112.29550N9检查内容存在不足462218937.254612184.11828N10人员经验与认知不足402117133.204214174.07680N11阀门失效39189234.984112152.24585N12未充分理解程序内容381814634.094414203.32760N13人员技能不足372014431.504111163.51592N14缺乏质疑的工作态度342016228.944313173.77578N15违反规定342217727.544812183.69612N16未及时报告或操作311715128.584111193.68589N17未进行验证验收工作312216425.11438183.81558N18沟通交流不充分311814927.81427173.55527N19审查屏障失效301812026.91366103.33300N20准备工作存在不足291612227.50387153.21435N21文件记录不规范291916225.334514153.60435N22缺少指导文件261410526.16378212.84546N23应对措施不足241211125.75417172.71408N24重视程度不够241613222.76428133.14312N25未分析故障失效后果231811720.63448202.66460N26培训工作不到位22119324.44403142.33308N27经验反馈落实不到位2185726.23341131.68273N28部件老化21115323.33325151.66315N29报警内容不全20106423.05354171.83340N30未发现存在的安全隐患201611118.96416172.71340N31零部件降级导致故障20185417.94292101.86200N32操作失误1996922.7632392.16171N33原始设计不适当18136318.69373131.70234N34参数设置不合理1872723.5319671.42126N35计算机软件缺陷1562120.6115141.4060N36技术上不完整14149214.09391142.36196N37计算机硬件缺陷1471418.309151.5670N38设备安装位置错误1375316.99285131.891695第 2 期陈建华,雷润寰:基于文本挖掘的核电运行事件致险因素分析续表序号运行事件致险因素TFDFWDTF-IDFKKKWD/KTF-KN39纠正行动不彻底1243818.6027191.41108N40材料选型不符合要求1172414.3819141.2644N41程序执行方法错误1187013.74382211.84231N42职责权限描述不明确1153215.9921291.5299N43试验方法错误1164415.12261111.69121N44人员安排不合理1076613.0733592.0090N45厂家未按要求执行设计1073313.07231101.43100N46未识别出设备缺陷1074413.07281131.57130N47环境变化超出预期1052414.5317171.4170N48组态逻辑设置错误1074513.07315121.45120N49通讯偶发失效故障921016.669221.1118N50提示牌效果不佳732811.7320181.4056N51设备测试深度不足742310.8519131.2121N52设备维护不当742710.8522161.2342N53责任心不足76569.62353151.60105N54技术交底不充分64299.3023271.2642N55完成任务时间压力54387.75211121.8160N56设备运行状态超出设计规范55447.27301111.4755N57限位开关失效52129.2612111.005N58未确认清楚设备标牌43286.7022121.278N59设计寿命内失效4386.708111.004 1.N1,N2,N3,N6,N7,N9,N10,N12,N13,N14,N15,N20,N21,N24,N25,N30,N32,N34,N38,N40,N41,N46,N53,N55,N58这 25 个致险因素代表影响核电运行事件发生的人因因素,导致核电运行事件发生的主要人因因子有程序和规程不足,人员未严格执行规定,风险分析不足,疏忽、检查不足等,其中以人员行为规范不完善最为明显。核电厂作为高度复杂的工业系统,各方面的操作规程已经十分完善,但对部件换新等都需要考虑对应规程的改进,其次在面对突发事件或不同组合工况下的核电运行事件时,部分规程未完全覆盖,也可能未明确规定操纵人数,导致人员安排不合理,需考虑规程的进一步完善。2.N5,N8,N11,N28,N29,N31,N33,N35,N37,N48,N49,N50,N56,N57,N59这 15 个致险因素代表核电运行事件发生时的设备因素,在核设备设计时更需要考虑到核电系统的耦合性,电厂过程控制管理计算机系统的设备故障主要体现在网络交换机故障、服务器和通信故障上,核设备故障主要体现在电磁阀故障、继电器烧毁等部件降级,因此设备的维护与监测需要加强,以便提高设备可靠性。3.N4,N16,N17,N18,N19,N22,N23,N26,N27,N36,N39,N42,N43,N44,N45,N51,N52,N54这 18 个致险因素代表核电运行事件发生时的管理因素,其中最主要的是沟通交流不足、未进行工作验收和未及时报告三个管理因子促使了现场管理的不足,信息传递不到位,需要建立更加完善的信息交流制度,提高管理效率。4.N47表明了影响核电厂运行的环境因素,沿海核电厂也受外部环境变化的影响,究其原因主要是海生物的入侵,海藻或水母等海生物短时间内急剧增多,海洋环境变化超出预期,防护措施失效,导致循环水泵跳闸。同时需要警惕较严重的自然灾害发生并做好防控措施。(二)运行事件致险因素的重要度分析在基于词频关联关系的重要度评估中,对运行事件致险因素的重要度分析发现,人因因素占比6 南华大学学报(社会科学版)2023 年60.21%、设备因素占比 16.36%、管理因素占比23.18%、环境因素占比 0.25%,人因因素是作为核电运行事件发生的主要诱因。表 2 中,WD 为加权度,WD/K 为关联加权度。因为 N45、N46、N48三个低频因素的 TF 值、DF 值和TF-IDF 值相同且分别为不同类别因子,基于传统TF-IDF 方法会认为这三者权重一样,未考虑致险因素的关联性所带来的变化。改进后的 TF-K值不仅考虑了这种变化,也对所有节点的 K值进行一定的平衡,所以 TF-K46TF-K48TF-K45。由于 N46的WD/K 值高于 N45和 N48,表明在运行事件中 N46相比其余两个因子分布更均匀;在考虑同文档数和不同因子类型的情况下,选取 N11、N12和 N37、N38、N45以及 N58、N59三组数据进行对比,同理可得,在其他条件相同情况下,人因因子在关联重要度方面普遍要高于管理因子和设备因子。经数据验证,改进后的 TF-K 评估方法使低频致险因素之间的重要度得到进一步精准识别,以利于对低频致险因素精准防控。四 结 语在我国核电事业安全且积极有序发展的同时,核电安全也应有所保障,行之有效的手段是核电运行经验的反馈。本文运用文本挖掘技术对 20172021 年核电厂运行事件报告进行挖掘分析,提取出59 个关于运行事件的致险因素;在改进后的词频关联关系评估方法中,考虑运行事件致险因素之间关联程度并进行重要度评估,将提取的致险因素归纳为四类,分析发现人因因素关联重要度占比为60.21%,表明人因失误是核电厂运行事件发生的主要诱因;在相同情况下,人因因子的关联性普遍要优于其他因子。本文采取文本挖掘方法对核电运行事件进行分析,相比于统计分析方法更加精准高效,在考虑到致险因素关联关系下,改进后的 TF-K 评估方法在不改变高频词语重要度的情况下,使得低频词语重要度变化更加明显,能快速把握核安全提升重点。核电运行事件致险因素的研究工作有待进一步完善,本文只选取了近五年的核电运行事件报告进行研究,样本有待补充,接下来研究也需进一步辨识致险因素之间的因果关系,发现更为具体的致险因素。针对重要具体致险因素,应该通过全面、严谨的技术分析,制定完善、合理的应对方案,以提升核电厂的安全管理水平。参考文献1 KIM Y G,LEE S M,SEONG P H.A methodology for aquantitative assessment of safety culture in NPPs based onBayesian networksJ.Annals of Nuclear Energy,2017(102):23-36.2 ZHAO X,ZHANG R,ZHAO S,et al.IncorporationTACOM and SPAR-H into the operating procedure of nu-clear power plantsJ.Annals of Nuclear Energy,2018(114):451-457.3 修炳林,姜 波,郭永阔.基于运行事件分析的核电安全管理探讨J.核科学与工程,2021,41(3):581-587.4 李鹏程,陈国华,张 力,等.核电厂操纵员人因失误影响因素分析J.中国安全科学学报,2017,27(7):42-47.5 刘时贤,吴彦农,邹 象,等.中国运行核电厂误碰运行事件分析与预防对策J.核科学与工程,2021,41(4):764-770.6 吴 伋,江福才,姚厚杰,等.基于文本挖掘的内河船舶碰撞事故致因因素分析与风险预测J.交通信息与安全,2018,36(3):8-18.7 TIXIER A J P,HALLOWELL M R,RAJAGOPALAN B,et al.Automated content analysis for construction safety:Anatural language processing system to extract precursorsand outcomes from unstructured injury reportsJ.Auto-mation in Construction,2016,62:45-56.8 ZHANG F,FLEYEH H,WANG X,et al.Constructionsite accident analysis using text mining and natural lan-guage processing techniquesJ.Automation in Construc-tion,2019(99):238-248.9 KLESHCHYOVA M A,NAKHABOV A V.Prediction ofelectric power consumption by nuclear power plants forcovering plant needs using data mining methodsJ.Nu-clear Energy and Technology,2015,1(4):243-247.10 PARK J,KIM Y,JUNG W.Use of a Big Data MiningTechnique to Extract Relative Importance of PerformanceShaping Factors from Event Investigation ReportsC/Advances in Human Error,Reliability,Resilience,andPerformance.California:Springer,2017:230-238.11 CAO G M,WU G D,ZHENG S K.The Exploration ofStatus Assessment Technique for Marine Nuclear PowerPlants Based on Running Data MiningC/Proceedingsof the 2017 2nd International Conference on Communica-tion and Information Systems.2017:371-375.12 刘 婷,张 娴,许海云,等.面向技术路径识别的文本挖掘方法应用研究述评J.情报理论与实践,2020,43(7):179-185.13 USAI A,PIRONTI M,MITAL M,et al.Knowledge dis-covery out of text data:a systematic review via text7第 2 期陈建华,雷润寰:基于文本挖掘的核电运行事件致险因素分析miningJ.Journal of Knowledge Management,2018,22(7):1471-1488.14 WANO.WANO MANUAL-Operating experience Sub-Programme(Rev 9)R.London:WANO,2019.15 周 茜,赵明生,扈 旻.中文文本分类中的特征选择研究J.中文信息学报,2004(3):17-23.16 陈晓云,李荣陆,胡运发.基于最小词频阈值的文档特征选择J.模式识别与人工智能,2006,19(4):531-537.17 陈志远,王铁骊.基于文本挖掘和复杂网络的事故致因重要度评估方法:以房屋市政较大以上事故为例J.中国安全生产科学技术,2022,18(4):224-230.18 张 力,赵 明.WANO 人因事件统计及分析J.核动力工程,2005(3):291-296.19 ZOU Y,XIAO Z,ZHANG L,et al.A Data Mining Frame-work within the Chinese NPPs Operating ExperienceFeedback System for Identifying Intrinsic CorrelationsAmong Human FactorsJ.Annals of Nuclear Energy,2018(116):163-170.Analysis of Causative Factors of Nuclear Power Operation EventsBased on Text MiningCHEN Jianhua,LEI Runhuan(University of South China,Hengyang 421001,China)Abstract:Accurate and efficient feedback of operating experience of nuclear power plants is an important means to improve thesafe operation of nuclear power plants.In order to identify the key influencing factors of nuclear power operation safety,this paper se-lects the nuclear power operation event report from 20172021 for analysis,uses the text mining method,builds a user-defined wordbase to segment the text,traces back the specific description of the original feature items in the report,visualizes the risk characteris-tics of the operation event,and improves the evaluation method based on the word frequency-relation relationship to identify the impor-tance of the risk characteristics of the operation event.The results show that human factors account for 60.21%of nuclear power opera-tion events at present,and imperfect regulations are the primary factor affecting human errors,and the correlation of human factors isgenerally better than management factors and equipment factors.Key words:nuclear power plant;text mining;operation event;safety management(本文编辑:魏玮)8 南华大学学报(社会科学版)2023 年