从历史事故中学习经验对遏制类似事故的不断重复发生具有重要意义,然而随着安全生产系统复杂程度的不断提高,安全生产事故发生机理也日趋复杂,研究人员和企业安全管理者无法充分识别历史事故中的潜在信息,导致事故依然多发,企业安全管理工作面临更加严峻的挑战。如何充分、有效地从历史事故中学习经验已成为当前解决事故多发的关键问题。近年来,随着我国安全生产企业和政府部门信息化技术的快速发展,积累了大量的安全生产数据或事故数据,为更深入、有效的事故学习提供了途径。然而,面对数量庞大、结构复杂的事故数据,传统数据分析理论和方法不能有效利用,导致了大量有价值事故信息的浪费,制约了对事故的深入了解和研究。因此,基于上述问题,本论文旨在构建一种基于数据驱动的安全生产事故致因挖掘流程,针对不同事故数据结构,选取适合其结构特征的数据挖掘方法,以实现事故数据利用率最大化为目的,按事故信息初步识别、安全问题发现、安全知识转化的顺序思路,对历史事故数据中的有价值信息进行充分挖掘。本文的主要研究内容如下:(1)充分讨论当前安全生产大数据的应用现状和特征,选取文本型事故数据和结构化事故数据作为本论文的主要研究对象。(2)在明确文本型事故数据和结构化事故数据特征的基础上,结合事故致因理论和当前企业安全管理工作需求,选取适用于不同事故数据结构的数据挖掘或机器学习方法,构建适用于两种不同数据结构的事故致因挖掘流程,基于该流程实现原始事故数据向有价值事故信息和安全知识的转变。(3)利用某化工企业和浙江省高速公路的事故数据,对所构建的事故致因挖掘流程进行实证研究。分析挖掘流程的适用性、准确性和高效性,同时依据挖掘结果,为相关企业和政府部门提供针对性建议。结果表明:所构建的事故致因挖掘流程最大程度地提升了事故数据的利用率;相较于传统致因分析方法,基于数据驱动的量化分析过程更具客观性和高效性,得到的分析结果可从关联规则、事故场景再构建、致因中心性以及结果可视化等多个视角了解事故发生机理。