数据挖掘在煤与瓦斯突出关联因素分析中的应用研究
|
摘要
煤炭是一个特殊行业也是一个高危行业。煤矿安全管理是煤矿企业管理的一个十分重要的环节,煤矿安全管理的好坏,不但关系到煤矿企业的发展和前途,更加关系到每个矿井工作人员的生命安危。虽然我国是一个产煤大国,但是矿井事故甚至一些重大、特大事故还时有发生。其中煤与瓦斯突出事故的发生较为典型。瓦斯突出事故因其可预测性不高、发生时间突然且地点聚集等特点,为我国煤炭企业带来了重大的经济损失和人员伤亡,因此,加强我国煤矿企业的安全管理制度,减少煤矿事故发生的工作迫在眉睫。
本文就煤矿企业的安全问题,重点针对煤与瓦斯突出问题,设计了利用数据挖掘技术中的关联规则算法对影响煤与瓦斯突出相关因素进行分析的模型。模型主要涉及到异构数据源转换、数据仓库建立和数据挖掘技术的应用三个模块。在异构数据源转换模块,主要利用目前较为流行的XML技术和ADO.Net技术合理有效的解决了异构数据源集成问题,为数据仓库的建立奠定了坚实的基础。在数据挖掘技术算法的选择上,该模型选择了技术相对流行和成熟的Apriori算法,该算法的成功应用进一步说明了,数据挖掘技术应用在煤矿企业安全管理的潜力性和可发展性。
该模型的成功开发,作为数据挖掘技术在煤矿企业的深入应用还只是涉足一小步,但是为数据仓库和数据挖掘技术的广泛应用提供了一种新的思路,并为煤矿企业的决策者提供决策理论依据作出了一定的贡献,对煤矿企业安全管理方面有一定的实用性和很强的参考价值。
Coal is a special industry, which is also a high-risk industry. Coal mine safety management is a very important link in the management of an enterprise.Its good or bad, not only related to the development and future of coal mining enterprises, but also more related to the life of each mine safety of the staff. China is a major coal producer, the coal mine accidents and even some major and serious accidents also occur occasionally. Because Gas outburst accident’s predictability is not high, the occurrence time is so sudden and the gathering place ect,all this characteristics had brought considerable economic losses and casualties in China, that is why it is so urgent to enhance the safety of China's coal enterprises management system.
In this paper, basing on the safety of coal mining enterprises, focusing on the problem of coal and gas outburst, the model which is used to analysis the related factors of affecting coal and gas outburst in view of data mining algorithms of association rules is designed The model is mainly related to heterogeneous data sources conversion, data Warehouse and data mining techniques to establish the application of three modules. In the heterogeneous data source converter module, the main advantage of the current more popular XML technology and ADO.Net technology, reasonable and effective solution to the problem of integrating heterogeneous data sources for the establishment of data warehouse and laid a solid foundation. In data mining algorithm selection, the model selected Apriori algorithm technology is relatively popular and mature, which further illustrates the successful application of data mining technology used in coal mining enterprise security management.
The successful development of the model as a data mining technology in coal mining enterprises involved in-depth application of just one small step, but for the data warehouse and data mining technology, provides a wide range of application of new ideas, and coal mining enterprises in decision-making to provide theoretical basis for the decision-making has made a definite contribution to safety management of coal mines have a certain practicality and a strong reference value.
本文就煤矿企业的安全问题,重点针对煤与瓦斯突出问题,设计了利用数据挖掘技术中的关联规则算法对影响煤与瓦斯突出相关因素进行分析的模型。模型主要涉及到异构数据源转换、数据仓库建立和数据挖掘技术的应用三个模块。在异构数据源转换模块,主要利用目前较为流行的XML技术和ADO.Net技术合理有效的解决了异构数据源集成问题,为数据仓库的建立奠定了坚实的基础。在数据挖掘技术算法的选择上,该模型选择了技术相对流行和成熟的Apriori算法,该算法的成功应用进一步说明了,数据挖掘技术应用在煤矿企业安全管理的潜力性和可发展性。
该模型的成功开发,作为数据挖掘技术在煤矿企业的深入应用还只是涉足一小步,但是为数据仓库和数据挖掘技术的广泛应用提供了一种新的思路,并为煤矿企业的决策者提供决策理论依据作出了一定的贡献,对煤矿企业安全管理方面有一定的实用性和很强的参考价值。
Coal is a special industry, which is also a high-risk industry. Coal mine safety management is a very important link in the management of an enterprise.Its good or bad, not only related to the development and future of coal mining enterprises, but also more related to the life of each mine safety of the staff. China is a major coal producer, the coal mine accidents and even some major and serious accidents also occur occasionally. Because Gas outburst accident’s predictability is not high, the occurrence time is so sudden and the gathering place ect,all this characteristics had brought considerable economic losses and casualties in China, that is why it is so urgent to enhance the safety of China's coal enterprises management system.
In this paper, basing on the safety of coal mining enterprises, focusing on the problem of coal and gas outburst, the model which is used to analysis the related factors of affecting coal and gas outburst in view of data mining algorithms of association rules is designed The model is mainly related to heterogeneous data sources conversion, data Warehouse and data mining techniques to establish the application of three modules. In the heterogeneous data source converter module, the main advantage of the current more popular XML technology and ADO.Net technology, reasonable and effective solution to the problem of integrating heterogeneous data sources for the establishment of data warehouse and laid a solid foundation. In data mining algorithm selection, the model selected Apriori algorithm technology is relatively popular and mature, which further illustrates the successful application of data mining technology used in coal mining enterprise security management.
The successful development of the model as a data mining technology in coal mining enterprises involved in-depth application of just one small step, but for the data warehouse and data mining technology, provides a wide range of application of new ideas, and coal mining enterprises in decision-making to provide theoretical basis for the decision-making has made a definite contribution to safety management of coal mines have a certain practicality and a strong reference value.
引文
[1] Chieh-Yuan Tsai and Min-Hong Tsai. A dynamic Web service based data mining process system. Computer and Information Technology, 2005 CIT2005. The Fifth International Conference on 21-23 Sept 2005 Pages:1033-1039.
[2] Mark Klein. Supporting conflict resolution in cooperative design system [J].IEEE Transactions on Systems,Man and Cybernetics,1991,2l(6):1379-1390.
[3] W.H.Inon等著,王天佑等译.数据仓库管理[M].北京:电子工业出版社,2000,5.
[4]彭木根.数据仓库技术与实现[M].北京:电子工业出版社2002,2.
[5]石丽,李坚编著.数据仓库与决策支持[M].北京:国际工业出版社,2003,5.
[6] Daniela Florescu,Alon Levy,Alberto Mendelzon.Database Technology for the Word-Wide Web.A Survey.SIGNOD RECORD, September 1998, 27(3):59-74.
[7] Zhen Liu, Minyi Guo. A Proposal of High Performance Data Mining System[M],Lecture Notes in Computer Science,2003,8.
[8]刘新亮.数据仓库在矿业中的应用:[硕士学位论文].西安建筑科技大学,1999,3.
[9]赵文涛,杨静.数据仓库在煤矿信息安全管理模型中的应用[J].煤矿安全,2009,40(412):108-110.
[10]郭延全.异构数据库环境下数据集成技术的研究:[硕士学位论文].大连:大连海事大学计算机应用技术,2007,3.
[11]王峰.数据仓库在煤炭系统中的应用研究:[硕士学位论文].辽宁工程技术大学管理科学与工程,2004,5.
[12]王欣,徐腾飞,唐连章. SQL Server 2005数据挖掘实例分析[M].北京:中国水利水电出版社.2008,3.
[13] ZhaoHui Tang,Jamie Maclennan.数据挖掘原理与应用[M].北京:清华大学出版社,2007,7.
[14]刘艳梅,宋海涛,梁允荣.基于ASP技术实现异构数据库联合使用[J].人民教育出版社,2000,12:20-22.
[15]林杰斌,刘明德,陈湘.数据挖掘与OLAP理论与实务[M].北京:清华大学出版社,2003,3.
[16]徐慧.数据挖掘技术在煤与瓦斯突出预测中的应用研究[J].煤矿设计,2000,3 (3):17-19.
[17]张涛.基于数据挖掘的互联网信用模型的研究:[硕士学位论文].浙江大学计算机应用技术,2008,6.
[18]郭晗.基于数据挖掘的矿山企业产品结构的研究:[硕士学位论文].长春工业大学计算机应用技术,2007,3.
[19]假小珠,宋立智,赵玮等编著.深入浅出XML[M].北京:人民邮电出版社,2001,1.
[20]彭营.基于XML和本体的Web数据集成的研究与应用:[硕士学位论文] .大连海事大学,2008,2.
[21]聂培尧,魏振刚.一种基于XML的数据集成系统及实现[J].计算机应用,2002,22(9):24-25.
[22]何文海. XML技术在计算机应用基础学习系统设计中的应用研究:[硕士学位论文].中山大学,2007,10.
[23]张忠平.基于约束的XML数据库模式规范化研究[D].上海:复旦大学博士学位论文.2004,2.
[24]杨敏华.基于XML和SOAP的WebGIS系统设计:[硕士学位论文].华中科技大学,2004,5.
[25] Using Data Definition Language with SQL Server 2000 Analysis Services Client Applications. Dennis Kennedy Microsoft Corporation, May, 2001.
[26]顾庆锋,宋顺林. Apriori算法在SQL中的改进与应用[J].计算机工程与设计,2007,7(28):3061-3063.
[27] Huimin Zhao, Sudha Ram.Combining schema and instance information for integrating heterogeneous data sources.Data & Knowledge Engineering, Volume 61, Issue 2, May 2007, Pages:281-303.
[28]兰天.关联规则数据挖掘方法的研究与实现:[硕士学位论文].西安科技大学,2008,4.
[29] Kouresh Ardestani,Kevin Hoffman,Donald Xie.Fast Track ADO.NET C# Edition.北京:清华大学出版社.2003.
[30]孙永强,王乔编著. Visual C#.Net Web应用程序设计入门与提高[M].北京:清华大学出版社,2005,1.
[31]贾丙静.聚类分析在Web文本挖掘中的应用研究:[硕士学位论文].辽宁工程技术大学,2007,1.
[32]黄婉秋.矿井安全信息管理系统及数据仓库解决方案:[硕士学位论文].北京工商大学计算机应用,2003,5.
[33]王世波.异构数据库集成及其应用研究:[硕士学位论文].哈尔滨理工大学,2007,6.
[34]张子敏.瓦斯地质学[M].北京:中国矿业大学出版社,2009,5.
[35]赵子友,范金志.煤与瓦斯突出预测层次分析方法[J].煤矿开采,2006,12(73):83-85.
[36]郝吉生. BP算法及其在煤与瓦斯突出预测中的应用[J].辽宁工程技术大学学报,2004,23(1):9-11.
[37]邵良杉,付贵祥.基于数据挖掘的瓦斯信息识别与决策[J].辽宁工程技术大学学报,2008,27(2):288-291.
[38]邵良杉.基于粗糙集理论的煤矿瓦斯预测技术[J].煤炭学报,2009,34(3):371-374.
[39]张志立,程磊.基于人工神经网络的煤与瓦斯突出预测[J].矿业安全与环保,2005,6(32):1-4.
[40]朱平.基于数据挖掘的普通高考信息分析系统的研究与发现:[硕士学位论文].新疆农业大学,2008,4.
[41]王子君.数据仓库在处理矿井通风网络数据中的应用[J].煤矿安全,2008(3):57-59.
[42]南存全,冯夏庭.基于模式识别的煤与瓦斯突出区域预测[J].东北大学学报,2004,25(9):903-905.
[43]徐永刚,华钢.神经网络在煤矿安全决策支持系统中的研究及应用[J].工况自动化,2006,6(3):1-3.
[44]杨茂松.冶金矿山矿井安全现状模糊总和评价研究:[硕士学位论文].中南大学安全技术及工程,2008,5.
[45]魏建平,张文勇,潘辉,刘彦伟.鹤壁矿区煤与瓦斯突出特征及影响因素分析[J].煤炭工程,2007(4):61-64.
[46]许伟功,郭德勇,程伟,和德江.平顶山十矿煤与瓦斯突出地质因素分析[J].河南理工大学学报,2006,25(1):6-9.
[47]郑斌祥,杜秀华,席裕庚.基于数据仓库的电力决策支持系统的设计研究[J].系统工程与电子技术,2001,23(11):87-90.
[48]尹卫刚,姜薇,刘桓,徐秀.基于数据仓库的煤矿物资管理系统的设计与实现[J].计算机工程与设计,2005,26(1):200-203.
[49]张蕾.数据仓库在大孤山选矿厂管控一体化系统中的应用研究:[硕士学位论文].天津大学,2006,6.
[50]孟凡荣,宋春景,郑中珮,夏士雄.基于云理论的煤矿安全检测数据关联规则挖掘[J].小型微型计算机系统,2008,9(9):1622-1626.
[51]马云东,丁军.煤矿多维模糊数据仓库模型的建立及挖掘技术[J].中国煤炭经济学院学报,2002,16(3):264-267.
[2] Mark Klein. Supporting conflict resolution in cooperative design system [J].IEEE Transactions on Systems,Man and Cybernetics,1991,2l(6):1379-1390.
[3] W.H.Inon等著,王天佑等译.数据仓库管理[M].北京:电子工业出版社,2000,5.
[4]彭木根.数据仓库技术与实现[M].北京:电子工业出版社2002,2.
[5]石丽,李坚编著.数据仓库与决策支持[M].北京:国际工业出版社,2003,5.
[6] Daniela Florescu,Alon Levy,Alberto Mendelzon.Database Technology for the Word-Wide Web.A Survey.SIGNOD RECORD, September 1998, 27(3):59-74.
[7] Zhen Liu, Minyi Guo. A Proposal of High Performance Data Mining System[M],Lecture Notes in Computer Science,2003,8.
[8]刘新亮.数据仓库在矿业中的应用:[硕士学位论文].西安建筑科技大学,1999,3.
[9]赵文涛,杨静.数据仓库在煤矿信息安全管理模型中的应用[J].煤矿安全,2009,40(412):108-110.
[10]郭延全.异构数据库环境下数据集成技术的研究:[硕士学位论文].大连:大连海事大学计算机应用技术,2007,3.
[11]王峰.数据仓库在煤炭系统中的应用研究:[硕士学位论文].辽宁工程技术大学管理科学与工程,2004,5.
[12]王欣,徐腾飞,唐连章. SQL Server 2005数据挖掘实例分析[M].北京:中国水利水电出版社.2008,3.
[13] ZhaoHui Tang,Jamie Maclennan.数据挖掘原理与应用[M].北京:清华大学出版社,2007,7.
[14]刘艳梅,宋海涛,梁允荣.基于ASP技术实现异构数据库联合使用[J].人民教育出版社,2000,12:20-22.
[15]林杰斌,刘明德,陈湘.数据挖掘与OLAP理论与实务[M].北京:清华大学出版社,2003,3.
[16]徐慧.数据挖掘技术在煤与瓦斯突出预测中的应用研究[J].煤矿设计,2000,3 (3):17-19.
[17]张涛.基于数据挖掘的互联网信用模型的研究:[硕士学位论文].浙江大学计算机应用技术,2008,6.
[18]郭晗.基于数据挖掘的矿山企业产品结构的研究:[硕士学位论文].长春工业大学计算机应用技术,2007,3.
[19]假小珠,宋立智,赵玮等编著.深入浅出XML[M].北京:人民邮电出版社,2001,1.
[20]彭营.基于XML和本体的Web数据集成的研究与应用:[硕士学位论文] .大连海事大学,2008,2.
[21]聂培尧,魏振刚.一种基于XML的数据集成系统及实现[J].计算机应用,2002,22(9):24-25.
[22]何文海. XML技术在计算机应用基础学习系统设计中的应用研究:[硕士学位论文].中山大学,2007,10.
[23]张忠平.基于约束的XML数据库模式规范化研究[D].上海:复旦大学博士学位论文.2004,2.
[24]杨敏华.基于XML和SOAP的WebGIS系统设计:[硕士学位论文].华中科技大学,2004,5.
[25] Using Data Definition Language with SQL Server 2000 Analysis Services Client Applications. Dennis Kennedy Microsoft Corporation, May, 2001.
[26]顾庆锋,宋顺林. Apriori算法在SQL中的改进与应用[J].计算机工程与设计,2007,7(28):3061-3063.
[27] Huimin Zhao, Sudha Ram.Combining schema and instance information for integrating heterogeneous data sources.Data & Knowledge Engineering, Volume 61, Issue 2, May 2007, Pages:281-303.
[28]兰天.关联规则数据挖掘方法的研究与实现:[硕士学位论文].西安科技大学,2008,4.
[29] Kouresh Ardestani,Kevin Hoffman,Donald Xie.Fast Track ADO.NET C# Edition.北京:清华大学出版社.2003.
[30]孙永强,王乔编著. Visual C#.Net Web应用程序设计入门与提高[M].北京:清华大学出版社,2005,1.
[31]贾丙静.聚类分析在Web文本挖掘中的应用研究:[硕士学位论文].辽宁工程技术大学,2007,1.
[32]黄婉秋.矿井安全信息管理系统及数据仓库解决方案:[硕士学位论文].北京工商大学计算机应用,2003,5.
[33]王世波.异构数据库集成及其应用研究:[硕士学位论文].哈尔滨理工大学,2007,6.
[34]张子敏.瓦斯地质学[M].北京:中国矿业大学出版社,2009,5.
[35]赵子友,范金志.煤与瓦斯突出预测层次分析方法[J].煤矿开采,2006,12(73):83-85.
[36]郝吉生. BP算法及其在煤与瓦斯突出预测中的应用[J].辽宁工程技术大学学报,2004,23(1):9-11.
[37]邵良杉,付贵祥.基于数据挖掘的瓦斯信息识别与决策[J].辽宁工程技术大学学报,2008,27(2):288-291.
[38]邵良杉.基于粗糙集理论的煤矿瓦斯预测技术[J].煤炭学报,2009,34(3):371-374.
[39]张志立,程磊.基于人工神经网络的煤与瓦斯突出预测[J].矿业安全与环保,2005,6(32):1-4.
[40]朱平.基于数据挖掘的普通高考信息分析系统的研究与发现:[硕士学位论文].新疆农业大学,2008,4.
[41]王子君.数据仓库在处理矿井通风网络数据中的应用[J].煤矿安全,2008(3):57-59.
[42]南存全,冯夏庭.基于模式识别的煤与瓦斯突出区域预测[J].东北大学学报,2004,25(9):903-905.
[43]徐永刚,华钢.神经网络在煤矿安全决策支持系统中的研究及应用[J].工况自动化,2006,6(3):1-3.
[44]杨茂松.冶金矿山矿井安全现状模糊总和评价研究:[硕士学位论文].中南大学安全技术及工程,2008,5.
[45]魏建平,张文勇,潘辉,刘彦伟.鹤壁矿区煤与瓦斯突出特征及影响因素分析[J].煤炭工程,2007(4):61-64.
[46]许伟功,郭德勇,程伟,和德江.平顶山十矿煤与瓦斯突出地质因素分析[J].河南理工大学学报,2006,25(1):6-9.
[47]郑斌祥,杜秀华,席裕庚.基于数据仓库的电力决策支持系统的设计研究[J].系统工程与电子技术,2001,23(11):87-90.
[48]尹卫刚,姜薇,刘桓,徐秀.基于数据仓库的煤矿物资管理系统的设计与实现[J].计算机工程与设计,2005,26(1):200-203.
[49]张蕾.数据仓库在大孤山选矿厂管控一体化系统中的应用研究:[硕士学位论文].天津大学,2006,6.
[50]孟凡荣,宋春景,郑中珮,夏士雄.基于云理论的煤矿安全检测数据关联规则挖掘[J].小型微型计算机系统,2008,9(9):1622-1626.
[51]马云东,丁军.煤矿多维模糊数据仓库模型的建立及挖掘技术[J].中国煤炭经济学院学报,2002,16(3):264-267.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |