《Process Safety and Environmental Protection》：A dual-tree analytical framework for interpretable association rule mining in oil well failures
编辑推荐：
摘要关联规则挖掘能够有效发现工业数据中的隐藏模式，但规则挖掘后的分析面临诸多挑战，包括生成的规则数量过多、缺乏以目标为导向的组织结构，以及难以量化因素间的相互作用。本文提出了一种双树分析框架来应对这些挖掘后的分析难题。该框架由两部分组成：（1）目标规则树，它根据用户指定的目标对规
摘要
关联规则挖掘能够有效发现工业数据中的隐藏模式，但规则挖掘后的分析面临诸多挑战，包括生成的规则数量过多、缺乏以目标为导向的组织结构，以及难以量化因素间的相互作用。本文提出了一种双树分析框架来应对这些挖掘后的分析难题。该框架由两部分组成：（1）目标规则树，它根据用户指定的目标对规则进行分层组织，从而过滤掉无关规则的同时保留结构关系；（2）规则分析树，它通过三种新的度量指标——局部路径变异、全局路径累积和节点不确定性贡献——来可视化规则的演变，并实现动态分析。通过与数值型关联规则挖掘、传统关联规则挖掘以及基于树的监督学习方法的对比实验，证明了所提框架的有效性和较高的计算效率。与传统算法在较低支持度阈值下需要超过100秒的运算时间相比，该框架大约只需20秒即可完成挖掘任务。将该框架应用于包含25个特征的4,030条油井故障记录后，结果表明它能够识别出关键的故障路径和具有上下文敏感性的因素，为工业诊断和决策提供了实用价值。
引言
关联规则挖掘是数据挖掘领域的一项基础技术，被广泛用于发现数据集中的隐藏模式（Chu等人，2024年）。在过去三十年中，该领域取得了显著的算法进展，从最初的Apriori算法（Agrawal等人，1993年）到更高效的FP-Growth算法（Han等人，2000年；Sun等人，2024年）和Eclat算法（Das等人，2018年），还有直接针对连续数据设计的受自然现象启发的数值型关联规则挖掘方法，如NiaARM算法（Fister等人，2018年；Stupan，2022年）。这些算法已成功应用于多个领域，包括海上安全风险识别（Bairami-Khankandi等人，2025年；Cao等人，2025年；Yu等人，2025年）、油井生产管理（Chu等人，2024年；Verma等人，2023年；Wang等人，2024年）以及建筑资源优化（Khalef和El-adaway，2023年；Tian等人，2024年；Zhu等人，2023年）。然而，在实际应用中出现了一个关键问题：关联规则挖掘算法通常会生成大量规则，这使得从挖掘结果中提取有价值的见解变得十分困难（Troncoso-García等人，2023年）。
为了解决规则过多的问题，研究人员从算法层面和分析层面提出了多种方法。在算法层面，人们开发了诸如top-k规则挖掘（Huynh-Thi-Le等人，2015年）、稀有规则识别（Mahdi等人，2022年）以及前后向挖掘技术（Hu等人，2024年）等方法来控制规则的数量。在分析层面，则引入了复杂网络理论和可视化技术，以提高规则的可解释性（Liu等人，2023年；Qiu等人，2021年；Lan等人，2022年；Lan等人，2023年）。此外，还有一些专门的规则分析软件框架被开发出来，比如R语言中的arules包及其可视化扩展arulesViz（Hahsler，2017年），以及用于数值数据的niarules工具（Stupan，2022年）。尽管这些方法推动了该领域的快速发展，但它们都有一个共同的局限性：它们主要侧重于规则生成或静态可视化，而非将规则转化为可操作知识的系统性挖掘后分析。
具体而言，在关联规则的挖掘后分析及解读过程中，仍存在三个关键挑战。第一，缺乏以目标为导向的组织结构。挖掘过程会产生大量规则，其中很多与特定的研究目标无关（Xiuguo等人，2023年）。虽然这些规则在提升值方面可能具有较高的统计显著性，但并不一定能提供有用的见解。从这海量规则中筛选出有价值且相关的规则仍然是一项艰巨的任务。第二，难以量化因素间的相互作用。关联规则通常以定性形式呈现，缺乏可操作性和定量依据（Dogan和Birant，2021年）。虽然规则可以表明某些关联关系，但要定量评估在其他因素存在的情况下某个因素的影响程度，即对于工业诊断至关重要的上下文相关见解，依然颇具难度。尽管决策树和随机森林等监督学习方法能够识别出重要特征（Lundberg等人，2020年），但它们优化的是预测精度而非模式解读能力，因此无法揭示这种依赖于上下文的效果。第三，大型规则集的可视化存在局限。目前的可视化方法适用于规模较小到中等的规则集，但对于工业应用中常见的数千条规则来说则力不从心（Conejero等人，2021年）。随着规则数量的增加，基于图的表示方式会变得杂乱无章，难以理解。
为了解决这些问题，本文提出了一种双树分析框架，将重点从规则生成转向规则理解。该框架由两个部分构成。首先，目标规则树围绕用户指定的目标对规则进行分层组织，通过过滤无关规则同时保留结构关系，从而解决第一个挑战。其次，规则分析树通过三种互补的度量指标——局部路径变异、全局路径累积和节点不确定性贡献——来实现动态分析，这些指标将定性关联关系转化为可在可扩展的层次结构中的定量路径效应，进而解决第二和第三个挑战。
本文的其余结构如下。第2节将介绍所提出的研究方法——动态分析方法，其中包括目标规则树和目标规则分析树的详细构建过程。第3节将通过一个基于中国某油田生产数据的真实案例研究，以及与其他现有方法的对比实验，展示该框架的优势。最后，第4节将给出本文的结论。
章节要点
所提出的双树框架
本节将介绍双树分析框架。与那些专注于高效规则生成的传统规则挖掘算法不同，该框架着眼于后续的分析阶段，即如何解读并利用挖掘出的规则。图1展示了该框架的三阶段流程：（1）通过目标规则树实现以目标为导向的规则组织；（2）通过规则分析树构建层次结构；（3）通过路径和节点分析对规则进行多维度评估。
案例研究
本节将通过一个基于中国某油田生产数据的真实案例研究，展示所提框架的适用性。所有实验均在配备有Intel Core i5-13400处理器和32GB内存的工作站上完成。
结论
本研究提出了一种双树分析框架，用于解决大规模关联规则挖掘结果解读方面的难题。该框架主要有三方面的贡献：（1）目标规则树，它能够围绕用户指定的目标对规则进行分层组织，从而过滤掉无关规则的同时保留结构关系；（2）规则分析树，它有助于系统地分析规则的演化路径；（3）三种互补的度量指标，即局部路径变异、全局路径……
CRediT作者贡献说明
楚先祥：写作——初稿撰写、可视化、验证、监督。王翔：写作——审阅与编辑、初稿撰写、可视化、验证、监督、软件相关工作。何彦峰：资源协调、项目管理、方法设计、研究实施。谢益欣：方法设计、研究实施、形式化分析。余文杰：可视化、验证、监督、资源协调。徐辉：验证、监督、软件相关工作、项目管理。
利益冲突声明
作者声明不存在任何可能影响本文研究工作的已知财务利益冲突或个人关系。
致谢
作者感谢国家自然科学基金（编号：52204027）、江苏省青蓝工程（2024年）以及江苏省研究生科研实践创新计划（编号：SJCX24_3241）提供的资助。
Xiang Wang|Xianxiang Chu|Yixin Xie|Yanfeng He|Hui Xu|Wenjie Yu
