“报警泛滥(Alarm Flood)”现象,广泛存在于工业生产领域。在系统化、自动化工业生产过程中,单个异常事件可能引发一系列连锁报警通知。当单位时间内系统产生的报警数量远多于系统终端操作人员实际处理数量时,这类情况可以称为“报警泛滥”现象。在“报警泛滥”情况下,操作员缺乏足够时间以正确处理每个报警通知,当关键性报警通知被误处理时,可能对系统的运行埋下重大隐患。通过设计针对报警序列数据的分析模型,可以实现自动识别“报警泛滥”现象。但工业领域内“报警泛滥”问题的成因复杂,仅依赖知识驱动方法或数据驱动方法建模并不能有效解决问题。序列模式挖掘能针对报警通知序列中的频繁子序列进行有效分析。但报警序列分析模型基于报警通知的线性时间信息进行分析,忽略了报警通知的局部关联性;并且模型分析结果以定性分析为主,缺少报警之间内在关联的直观表达。本文引入词向量理论和报警生成树结构,提出一种改进的报警关联分析方法,并设计组合报警内部关联性的定量计算公式,实现对不同报警相互之间因果关系的高效表征。本文结合所提出的报警关联分析方法设计了“报警泛滥”识别策略和工业报警分析模型。该模型的工作流程主要包括数据准备阶段和模式识别阶段。在数据准备阶段基于专家知识和朴素贝叶斯模型训练报警日志分类器,基于小规模标签样本集和“报警泛滥”识别策略实现对全体报警通知的初步分类。模式识别阶段设计了单一源频繁报警分析模型和多源频繁报警分析模型,前者采用序列分析方法针对系统不合理设置、人为干扰等单一因素引发的“报警泛滥”事件进行分析定位工作;后者采用报警链结构和报警生成树模型针对冗余报警、连锁报警的相关事件进行分析定位工作。本文所提出的模型已应用于某动态环境监控数据分析,结果表明该方法能够有效定位根源报警,高效表征频繁报警事件之间的关联程度。