孙开畅，冯继伟

(三峡大学水利与环境学院，湖北 宜昌 443002)

0 引 言

水利工程事故具有特殊性、复杂性等特点，很难实现将水利工程事故发生概率降低为零，而研究水利工程事故一个重要方向就是找出影响水利工程的主要风险因素并确定风险因素之间的关联关系，它能够为水利工程预测机制、应急救援及物资调配提供数据分析及技术保障。水利工程风险分析研究是一套相对完整的体系，一般包括事故风险管理体系、事故风险分析体系、事故风险等级体系等，其中事故风险因素分析至关重要[1-3]。本文主要针对水利工程的风险因素进行多维因素关联研究，以期能够找出影响水利工程事故的关键因素，并确定各因素之间的关联关系。

目前已有不少数据的关联分析研究，Becker等[4]提出了CBR图网络模型，并将其运用到数据关联分析中，对特征数据进行了关联分析；马建斌等[5]将改进的Apriori算法运用到海事的事故数据关联分析中，对海事事故进行了因素分析，解析出了各个因素对海事的影响情况；黄钧晟等[6]以云计算平台为背景，利用数据关联算法对气象数据进行关联规则分析研究，找出了气象数据之间的潜在联系及规律，通过这些规律有效地对气象进行了预测，为海量气象数据挖掘提供了很好的技术支持；朱海等[7]利用Apriori算法建立了企业风险数据库和相关报表，对企业管理型风险实现了预警，最大程度地减少企业资产损失。

结合已有研究和水利工程特点，从风险因素的角度来考虑，部分风险因素数据并未存在完全明确的强逻辑关系，如何将这些风险因素数据联系起来，建立起完整的多维数据关系是解决水利工程事故风险关系的一个至关重要的环节。……