经过改革开放四十多年的接续努力,我国交通运输发展迅速。但进入新时代以来,我国交通运输行业到了爬坡过坎的关键时刻。交通运输发展不再一味的以扩大生产规模为中心,而是顺应新时代经济发展特点,重视运输生产基础领域的安全问题,通过融合高新技术探究安全事故规律,实现高质量发展的要求。我国围绕铁路安全已构建由“车机工电辆”五大专业系统组成的监控体系,各系运行产生了海量规模的安全数据,以语音、图像、报告等形式存储,各形式的安全数据中绝大多数都可以利用文本描述这种非结构化数据来代替表示,因此当前铁路系统安全领域信息的主要载体就是文本数据,且该载体存在多源头、异构性、大数据的特点。本文在此背景下研究美国铁路事故数据,挖掘铁路事故规律,依托深度学习技术对事故报告进行多源异构数据挖掘与分析。主要完成了以下研究内容:(1)针对铁路事故报告中的混杂数据问题,构建了基于字嵌入+BiLSTM+CRF的铁路事故文本命名实体识别模型。铁路事故报告中不仅记录了非结构化的文本序列数据,同时也混杂了大量数字、时间、地点等异构的关键信息。本文利用词向量生成的深度学习技术,从数据表达源头解决铁路事故文本输入序列结构性不同,难以统一提取的问题。该模型接收向量化的混杂数据表达后,通过双向LSTM层自动构造文本特征,切合了铁路事故术语构造复杂的特点,并结合CRF技术限制优化预测结果。根据实验分析,模型主要指标达到88%以上水准,可以有效识别铁路事故命名实体。(2)针对铁路事故类别分布不均衡的数据倾斜问题,构建了基于TextRCNN+Focal loss的铁路事故文本智能分类模型。在采集条件及分类规则难易度不等的情况下,铁路事故集中存在脱轨类别事故样本数量占比过大的特点,本文从算法层面进行优化,利用焦点损失函数代替交叉熵函数迭代,提高训练过程中难分类样本的权重。模型通过集成CNN和RNN的神经网络语言模型,契合了文本结构特点,根据对比实验分析,在各类数据集上能起到较好的分类效果。(3)基于前述工作,本文应用模型实例挖掘分析美国铁路设备事故的文本描述,数据集包含35年间近13万条大数据。实现了铁路事故信息提取、铁路事故频发地理位置分析、重点事故主题分析、铁路事故结构化数据统计分析、铁路事故原因分析、铁路事故可视化分析等应用,尝试了一种计算机辅助现场作业人员决策分析的方法。