频发的化工事故严重危害了国家的安全和人们的生活。每次事故发生,安全专家通过广泛的调研和分析,形成事故的调研报告,并以故障树、事件树、可靠性框图、FME(C)A等模型形式存储,形成了大量的事故因果分析的模型库。然而,这些专家经验的数据集成,还没有形成一套自动化、智能化的辅助分析机制,致使新的事故分析还是依赖事故分析人员的经验,也未有效的机制验证事故分析的完整性和有效性。本文面向以故障树模型汇集的大量事故案例,利用文本挖掘技术分析故障树节点的语法和语义信息,利用概率图模型分析事件演化的准确性和完整性,形成面向故障树模型的聚类方法,实现了自动借鉴历史案例、辅助于新事故的分析系统。本文主要工作如下:1、利用爬虫技术获取大量化工事故报道,构建领域的基础词库,通过中文分词、文本预处理、特征提取等技术,采用Word2vec训练出具有领域特征的词向量,生成故障树节点的词向量。建立抽象故障树与案例故障树的抽象解释关系模型,给出抽象节点与案例节点的相似性计算方法,构造故障树的扩展割集,支撑故障树结构相似度计算,实现面向故障树的聚类分析。2、利用隐马尔可夫模型的预测方法,构造抽象故障树与案例故障树结构相似度的隐马尔可夫模型,提出了一种面向故障树的结构相似度匹配技术,自动匹配案例故障树和标准故障树的结构,借助维特比算法预测出最大可能匹配的序列,并能够自动检测案例故障树存在的缺失、冗余、错误等缺陷模式,实现了案例故障树和标准故障树的结构映射问题,从而实现故障树模型的聚类功能3、基于上述算法,设计并开发了面向故障树模型的化工事故分析系统,能够实现大量案例故障树的自动聚类分析,实现了基于抽象故障树的聚类,同时也能够支持新事故的分析,能够支持新事故的结构完整性分析、逻辑门缺陷分析和实现事件演化的推荐。