1、“.....在评估示任何项。其余节点包含频繁项和该项在本条路径上的支持度。条路径上的节点集合都是事务集中满足最小支持度的频繁项集合,其中节点按照项的支持度排列,支持度越高的项离根节点越近,从而使更多的项可共享前缀。建立树之后,填写频繁项头表的指针,指向树中该项的节测规则即为满足自信度要求的关联规则,故可使用算法提取预测规则。经过询问电力系统运维专家和实验验证,本文使用的最小支持度为,最小自信度为,提取的所有故障预测规则组成预测集规则集。基于,根节点是标记为的,不表示任何项。其余节点包含频繁项和该项在本条路径上的支持度。条路径上的节点集合都是事务集中满足最小支持度的频繁项集合,其中节点按照项的支持度排列,支持度越高的项离根节点越近,从而使更多的项可共享前缀。建立树之后基于算法的电力系统故障预测原稿因可能是基于关联规则挖掘提取的故障预测规则......”。

2、“.....同时该故障在训练集中出现过,不能预测与其他日志关联性很低或者训练集中未出现的故障。月到月的日志中可能出现关联性很低的故障,或者电力系统在这段时间升级或改进,产生了训练集的频繁项为,存在从节点到节点的路径,上不包含的部分组成的路径称为的前缀路径,为的后缀项。树中可能存在多个节点,则会得到多个前缀路径,所有前缀路径组成频繁项的条件模式基。第,判断频繁项是否存在条件模式基,若存在则个月的日志,并产生故障事件预测规则集。然后在月到月的日志数据上进行故障预测验证。实验显示,月到月个月的故障预测平均准确率为,平均召回率为。在这个月日志数据上进行的预测结果相差不大,预测的准确率和召回率都较高,但是召回率低于准确率。召回率较低的原回率略低。参考文献钟将,时待吾,王振华基于告警日志的网络故障预测计算机应用,规则集......”。

3、“.....实验显示,月到月个月的故障预测平均准确率为,平均召回率为。在这个月日志数据上进行的预测结果相差不大,预测的准确率和召回率都较高,但是召回率低于准确率。召回率较低的原因可能是基于关联规则挖掘提取的,。第,从底部遍历频繁项头表。当遍历未结束时,挖掘该项的频繁项集和关联规则。当遍历完整个表之后,结束算法第,提取频繁项条件模式基。设此时遍历实验评估本文获取甘肃省电力投资集团有限责任公司电力系统年月到月的万余条日志,在该日志数据集中,日志消息包含和等关键字都表示系统出现故障,本文将包含这种关键词的日志记录标识为故障事件,其他日志为正常事件。在评估的可靠性。本文提出基于算法的电力系统故障预测方法,该方法在不需要系统专业知识和专家的前提下,通过分析电力系统历史日志,挖掘与故障事件相关的频繁日志序列作为关联规则......”。

4、“.....最后,本文在真实数据集上评估了该方,。生成验证规则集截取日志之前的段日志序列,判断是否包含,若包含则匹配成功,将该待定规则加入验证规则集,并记录预测时间。故续算法否则返回到遍历频繁项头表。基于算法的电力系统故障预测原稿。首先,扫描事务集,找出所有频繁模式下的频繁项,将按支持度降序生成频繁项头表。第,再次扫描事务集,建立并填写头表指针。是棵前缀树,。第,从底部遍历频繁项头表。当遍历未结束时,挖掘该项的频繁项集和关联规则。当遍历完整个表之后,结束算法第,提取频繁项条件模式基。设此时遍历因可能是基于关联规则挖掘提取的故障预测规则,只能预测与其他日志密切关联的故障,同时该故障在训练集中出现过,不能预测与其他日志关联性很低或者训练集中未出现的故障。月到月的日志中可能出现关联性很低的故障......”。

5、“.....产生了训练集事件,其他日志为正常事件。在评估预测效果时,本文限制预测的有效时间为之后的分钟之内,若被预测事件发生的时间满足,则此次预测有效,否则无效。在本文的日志集中,日志时间范围为年月到月。本文以月和月的日志作为训练集,利用算法挖掘这两基于算法的电力系统故障预测原稿法。生成验证规则集截取日志之前的段日志序列,判断是否包含,若包含则匹配成功,将该待定规则加入验证规则集,并记录预测时间。故障预测对于验证规则集中的规则,预测故障事件将会在时间点之前发生。若在时间点之前发生,则此次预测成功,否则预测失因可能是基于关联规则挖掘提取的故障预测规则,只能预测与其他日志密切关联的故障,同时该故障在训练集中出现过,不能预测与其他日志关联性很低或者训练集中未出现的故障。月到月的日志中可能出现关联性很低的故障,或者电力系统在这段时间升级或改进......”。

6、“.....同时促进电力工业的快速发展。随着电力系统规模的扩展和复杂性的增加,系统故障的发生已经成为种常态。系统故障可能导致重要信息丢失甚至系统瘫痪,造成难以预料的后果。精确有效的故障预测能够减少故障带来的影响,提高电力系统含的部分组成的路径称为的前缀路径,为的后缀项。树中可能存在多个节点,则会得到多个前缀路径,所有前缀路径组成频繁项的条件模式基。第,判断频繁项是否存在条件模式基,若存在则继续算法否则返回到遍历频繁项头表。基于障预测对于验证规则集中的规则,预测故障事件将会在时间点之前发生。若在时间点之前发生,则此次预测成功,否则预测失败。关键词电力系统日志关联规则故障预测电力系统日志分析电力工业是国民经济发展中最重要的基础能源产业,电力系,。第,从底部遍历频繁项头表。当遍历未结束时......”。

7、“.....当遍历完整个表之后,结束算法第,提取频繁项条件模式基。设此时遍历没有的故障,故而预测结果的召回率略低。参考文献钟将,时待吾,王振华基于告警日志的网络故障预测计算机应用,个月的日志,并产生故障事件预测规则集。然后在月到月的日志数据上进行故障预测验证。实验显示,月到月个月的故障预测平均准确率为,平均召回率为。在这个月日志数据上进行的预测结果相差不大,预测的准确率和召回率都较高,但是召回率低于准确率。召回率较低的原估预测效果时,本文限制预测的有效时间为之后的分钟之内,若被预测事件发生的时间满足,则此次预测有效,否则无效。在本文的日志集中,日志时间范围为年月到月。本文以月和月的日志作为训练集,利用算法挖掘这两个月的日志,并产生故障事件预测算法的电力系统故障预测原稿......”。

8、“.....在该日志数据集中,日志消息包含和等关键字都表示系统出现故障,本文将包含这种关键词的日志记录标识为故障基于算法的电力系统故障预测原稿因可能是基于关联规则挖掘提取的故障预测规则,只能预测与其他日志密切关联的故障,同时该故障在训练集中出现过,不能预测与其他日志关联性很低或者训练集中未出现的故障。月到月的日志中可能出现关联性很低的故障,或者电力系统在这段时间升级或改进,产生了训练集。同时相同的频繁项之间使用指针相连。第,从底部遍历频繁项头表。当遍历未结束时,挖掘该项的频繁项集和关联规则。当遍历完整个表之后,结束算法第,提取频繁项条件模式基。设此时遍历的频繁项为,存在从节点到节点的路径,上不包个月的日志,并产生故障事件预测规则集。然后在月到月的日志数据上进行故障预测验证。实验显示,月到月个月的故障预测平均准确率为,平均召回率为......”。

9、“.....预测的准确率和召回率都较高,但是召回率低于准确率。召回率较低的原算法的电力系统故障预测原稿。首先,扫描事务集,找出所有频繁模式下的频繁项,将按支持度降序生成频繁项头表。第,再次扫描事务集,建立并填写头表指针。是棵前缀树,根节点是标记为的,不表,填写频繁项头表的指针,指向树中该项的节点。同时相同的频繁项之间使用指针相连。对的日志序列集进行分析,统计不同日志消息项生成总项集,表示与事件相关的日志消息。然后从总项集中截取若干连续子序列,生成故障预测规则。此时的项集即为频繁项集,预续算法否则返回到遍历频繁项头表。基于算法的电力系统故障预测原稿。首先,扫描事务集,找出所有频繁模式下的频繁项,将按支持度降序生成频繁项头表。第,再次扫描事务集,建立并填写头表指针。是棵前缀树,。第,从底部遍历频繁项头表。当遍历未结束时......”。