矿山瓦斯灾害的空间数据挖掘
|
摘要
矿山瓦斯灾害时刻危害着矿工生命财产安全,国家矿山安全监察机构加大了安全检查力度,煤矿生产单位也越来越重视对瓦斯的安全监测,建立了矿山环境监测系统。灾害的预防优于灾害的治理。因此,本文主要是利用空间数据挖掘的方法,从矿山瓦斯空间数据库中提取未知的、有效的和可操作的知识,预测瓦斯灾害未来发生的可能性。
本文通过在已有的矿山环境监测系统数据库(2006年上半年数据)中,提取瓦斯监测的数据,运用已有的CAD矿图,在ArcGIS中进行数字化,使用ArcGIS的关联功能把数字化的传感器位置与瓦斯数据库进行关联,运行专门编制的数据库查询软件,可以查询任意传感器任意时间段的数据,并且绘制相关的瓦斯数据折线图。
在BP神经网络的基础上,使用MATLAB建立矿山瓦斯灾害预测模型,利用BP神经网络的自我学习和调整神经元权值的特点,可以不考虑复杂的影响因子而直接建立的相关的模拟模型,通过对比得出模型模拟本月的精度可以达到99.3%,通过学习前3个月的数据,可以较好的预测未来的瓦斯突出情况。
The safety and property of miners was often endangered by the mine gas disaster. Thus, the State Administration of Coal Mine Safety checks the security increasingly, and the coal mine pays more and more attention to monitor the gas emission. They have established the mine environment monition system. Preventing the disaster would be better than controlling the disaster. So the main purpose in this paper is that we can use the knowledge to forecast the possibility of gas disaster with method of spatial data mining. The knowledge which is thought unknown, effective and operative, which can be extracted from the mine gas spatial databases.
In this paper, we extract the gas monitor database from the environment monition system which is from first half year of 2006, and then digitalize the CAD map with the software of ArcGIS. At last, we use the connection function to link the digitized sensing position and the gas database so that we can get the spatial database. After that, we can get the anytime of the sensor data and make chart with the inquire software.
Finally, the paper uses the BP neural network to establish the mine gas disaster forecast model in MATLAB. Because the BP neural network has the character of self-study and the adjustment neuron weight, we may not consider the complex influence factor, but directly establishing the model. The precision between the model simulation and the true data could be possible to achieve 99.3%. If we want to forecast future gas situation better, we need to research the first 3 month-long data.
本文通过在已有的矿山环境监测系统数据库(2006年上半年数据)中,提取瓦斯监测的数据,运用已有的CAD矿图,在ArcGIS中进行数字化,使用ArcGIS的关联功能把数字化的传感器位置与瓦斯数据库进行关联,运行专门编制的数据库查询软件,可以查询任意传感器任意时间段的数据,并且绘制相关的瓦斯数据折线图。
在BP神经网络的基础上,使用MATLAB建立矿山瓦斯灾害预测模型,利用BP神经网络的自我学习和调整神经元权值的特点,可以不考虑复杂的影响因子而直接建立的相关的模拟模型,通过对比得出模型模拟本月的精度可以达到99.3%,通过学习前3个月的数据,可以较好的预测未来的瓦斯突出情况。
The safety and property of miners was often endangered by the mine gas disaster. Thus, the State Administration of Coal Mine Safety checks the security increasingly, and the coal mine pays more and more attention to monitor the gas emission. They have established the mine environment monition system. Preventing the disaster would be better than controlling the disaster. So the main purpose in this paper is that we can use the knowledge to forecast the possibility of gas disaster with method of spatial data mining. The knowledge which is thought unknown, effective and operative, which can be extracted from the mine gas spatial databases.
In this paper, we extract the gas monitor database from the environment monition system which is from first half year of 2006, and then digitalize the CAD map with the software of ArcGIS. At last, we use the connection function to link the digitized sensing position and the gas database so that we can get the spatial database. After that, we can get the anytime of the sensor data and make chart with the inquire software.
Finally, the paper uses the BP neural network to establish the mine gas disaster forecast model in MATLAB. Because the BP neural network has the character of self-study and the adjustment neuron weight, we may not consider the complex influence factor, but directly establishing the model. The precision between the model simulation and the true data could be possible to achieve 99.3%. If we want to forecast future gas situation better, we need to research the first 3 month-long data.
引文
1.Werbos,P.J.Back propagation and neural control:A review and analysis in the behavioral science[D].Ph.D.Thesis,Harvard University,Cambridge,MA,1974
2.冯欢欣.基于神经网络计算的数据挖掘方法研究[J].大众科技,2006(8),95-96
3.Hand D,Mannila H,Smyth P.Principle of Data Mining[J].IEEE Trans.On Knowledge and Data Engineering.2001,13(3).426-438
4.Han J W,Kamber M.Data Mining:Concepts and Techniques[M].San Francisco:CA.Morgan Kaufmann.2001:2-4
5.Agrawal R.,Imielinski T.And Swami A.N.Database mining:a performance perspective[J].IEEE Trans Knowledge and Data Engineering,1993 Vol.5,914-925
6.陈安,陈宁等.数据挖掘技术及应用[M].北京:科学出版社,2006,31-33
7.Jiawei Han,Yandong Cai,Nick Cercone.Knowledge discovery in database:An attribute-oriented approach[J].VLDB,1992,547-559
8.胡海峰,赵凯.基于BP神经网络的数据挖掘技术的研究[J].平顶山学报,Vol.23 No.2Apr.2008,112-114
9.韩力群.人工神经网络教程[M].北京:北京邮电大学出版社,2006,62-73
10.金理行.基于GIS的空间数据库系统设计与实现[J],商业文化,2008年第4期,93-95
11.Soukup T.,Davidson I.,Visual Data Mining:Techniques and Tools for Data Visualization and Mining[M].New York:Wiley Publishing,2002,112-114
12.Reinartz T.Focusing Solutions for Data Ming:Analytical Studies and Experimental Results in Real-World Domains[J],Berlin:Springer,1999,213-217
13.Howard C.M.,Tools and Techniques for Knowledge Discovery[D],Ph.D.Thesis.Norwich:University of East Anglia,2001
14.国家煤矿安全监察局,煤炭安全规程[M],北京:煤炭工业出版社,2006,96-102.
15.周海燕,空间数据挖掘的研究[D],河南郑州:解放军信息工程大学,2003
16.丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科技大学出版社,2003,57-59
17.朱瑜馨.基于GIS的森林资源神经网络动态预测理论与实践研究-以甘肃连城林场为例[D].甘肃兰州:西北师范大学,2003
18.Rumelhart D.M.,Hinton G.E.,Williams R.J.Learning representations of back-propagation errors[J].Nature(London).1986,vol.323,pp.533-526
19.吴俊,濮英英,卜凡启等.低瓦斯矿区深部煤层瓦斯灾害性价与预测--对徐州张小楼煤矿的设例研究[M],中国矿业大学出版社,1994,35-39
20.周利华,徐德蜀.矿山灾害学的研究模式、特征与方法,中国安全科学学报,2003,13(04):129-131.
21.王锐,马德涛,陈晨.数据挖掘技术及其应用现状探析,电脑应用技术,2007,69:20-23.
22.李德仁,王树良,李德毅.空间数据挖掘和应用[M],北京,科学出版社.2006,264-278
23.徐铭杰,李俊民,赵永.基于空间数据仓库的空间数据挖掘研究[J],中原工学院学报.2002,13(1):26-31
24.胡彩平,秦小麟.空间数据挖掘研究综述[J],计算机科学,2007,34(5):14-19.
25.叶发茂.基于神经网络的城镇土地定级估价信息系统研究[D],武汉大学,2003.
26.毕硕本,耿焕同,闾国年.国内空间数据挖掘研究进展与技术体系探讨[J],地理信息世界,2008,02(01);21-27.
27.袁红春,熊范纶,淮晓永.空间数据挖掘及其与智能系统的集成框架[J],信息与控制,2004,31(4):304-309
28.Simon Haykin.叶世伟、史忠植译.神经网络原理[M],北京:机械工业出版社,2004,10-202
29.陈丽雯.基于:冲经网络的数据挖掘模型与应用[D],辽宁大连:大连理工大学,2004
30.张新长,梁金成.城市土地利用动态变化及预测模型[J],中山大学学报,2004,43(02):121-12
31.严京生.基于数据挖掘技术的馆藏推荐系统研究和应用[D],陕西西安:西安电子科技大学,2007
32.黄杏元等.地理信息系统概论[M],北京:高等教育出版社,2001,51-57
32.谢榕.地理信息系统中空间数据库建立的关键技术[J].北京测绘,2004(4):2-5
33.李红艳.基于CAD和GIS集成的空间数据库建设方法探讨[J],信息科学.2009年第2期,23
34.任金霞,黄运,强方翔.分布式数据库技术在保险信息管理系统中的实现[J],计算机学报,2003,(6):30～31
35.贺秋华,秦向阳,等.基于HTML Viewer的ArcIMS开发研究[J].农业网络信息, 2007,(3):41～43
36.吴功和,丛明日.基于ArcGIS Server的分布式GIS应用[J],测绘科学技术学报,2006,23(1):52～55
37.罗艺,聂宜民,刘思聪.基于ArcSDE的寿光蔬菜空间数据库建设[J],农业网络信息,2009年第2期,43-47
38.http://baike.baidu.com/view/427.htm
39.http://www.aqtd.cn/aqlw/HTML/63825.html
40.戴刚毅,鲍征宇,张锦章.基丁GIS的矿山空间数据库的建立[J],物探化探计算技术,2000.2,vol22(1),78-81
41.徐泮林.基于神经元网络的城市土地利用变化模拟化理论与方法[D],山东青岛:山东科技大学,2008
42.徐泮林,姜凤霞.BP神经网络在城市化扩张动态模拟中的应用[J],山东科技大学学报自然科学版,2008,10,1-4
2.冯欢欣.基于神经网络计算的数据挖掘方法研究[J].大众科技,2006(8),95-96
3.Hand D,Mannila H,Smyth P.Principle of Data Mining[J].IEEE Trans.On Knowledge and Data Engineering.2001,13(3).426-438
4.Han J W,Kamber M.Data Mining:Concepts and Techniques[M].San Francisco:CA.Morgan Kaufmann.2001:2-4
5.Agrawal R.,Imielinski T.And Swami A.N.Database mining:a performance perspective[J].IEEE Trans Knowledge and Data Engineering,1993 Vol.5,914-925
6.陈安,陈宁等.数据挖掘技术及应用[M].北京:科学出版社,2006,31-33
7.Jiawei Han,Yandong Cai,Nick Cercone.Knowledge discovery in database:An attribute-oriented approach[J].VLDB,1992,547-559
8.胡海峰,赵凯.基于BP神经网络的数据挖掘技术的研究[J].平顶山学报,Vol.23 No.2Apr.2008,112-114
9.韩力群.人工神经网络教程[M].北京:北京邮电大学出版社,2006,62-73
10.金理行.基于GIS的空间数据库系统设计与实现[J],商业文化,2008年第4期,93-95
11.Soukup T.,Davidson I.,Visual Data Mining:Techniques and Tools for Data Visualization and Mining[M].New York:Wiley Publishing,2002,112-114
12.Reinartz T.Focusing Solutions for Data Ming:Analytical Studies and Experimental Results in Real-World Domains[J],Berlin:Springer,1999,213-217
13.Howard C.M.,Tools and Techniques for Knowledge Discovery[D],Ph.D.Thesis.Norwich:University of East Anglia,2001
14.国家煤矿安全监察局,煤炭安全规程[M],北京:煤炭工业出版社,2006,96-102.
15.周海燕,空间数据挖掘的研究[D],河南郑州:解放军信息工程大学,2003
16.丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科技大学出版社,2003,57-59
17.朱瑜馨.基于GIS的森林资源神经网络动态预测理论与实践研究-以甘肃连城林场为例[D].甘肃兰州:西北师范大学,2003
18.Rumelhart D.M.,Hinton G.E.,Williams R.J.Learning representations of back-propagation errors[J].Nature(London).1986,vol.323,pp.533-526
19.吴俊,濮英英,卜凡启等.低瓦斯矿区深部煤层瓦斯灾害性价与预测--对徐州张小楼煤矿的设例研究[M],中国矿业大学出版社,1994,35-39
20.周利华,徐德蜀.矿山灾害学的研究模式、特征与方法,中国安全科学学报,2003,13(04):129-131.
21.王锐,马德涛,陈晨.数据挖掘技术及其应用现状探析,电脑应用技术,2007,69:20-23.
22.李德仁,王树良,李德毅.空间数据挖掘和应用[M],北京,科学出版社.2006,264-278
23.徐铭杰,李俊民,赵永.基于空间数据仓库的空间数据挖掘研究[J],中原工学院学报.2002,13(1):26-31
24.胡彩平,秦小麟.空间数据挖掘研究综述[J],计算机科学,2007,34(5):14-19.
25.叶发茂.基于神经网络的城镇土地定级估价信息系统研究[D],武汉大学,2003.
26.毕硕本,耿焕同,闾国年.国内空间数据挖掘研究进展与技术体系探讨[J],地理信息世界,2008,02(01);21-27.
27.袁红春,熊范纶,淮晓永.空间数据挖掘及其与智能系统的集成框架[J],信息与控制,2004,31(4):304-309
28.Simon Haykin.叶世伟、史忠植译.神经网络原理[M],北京:机械工业出版社,2004,10-202
29.陈丽雯.基于:冲经网络的数据挖掘模型与应用[D],辽宁大连:大连理工大学,2004
30.张新长,梁金成.城市土地利用动态变化及预测模型[J],中山大学学报,2004,43(02):121-12
31.严京生.基于数据挖掘技术的馆藏推荐系统研究和应用[D],陕西西安:西安电子科技大学,2007
32.黄杏元等.地理信息系统概论[M],北京:高等教育出版社,2001,51-57
32.谢榕.地理信息系统中空间数据库建立的关键技术[J].北京测绘,2004(4):2-5
33.李红艳.基于CAD和GIS集成的空间数据库建设方法探讨[J],信息科学.2009年第2期,23
34.任金霞,黄运,强方翔.分布式数据库技术在保险信息管理系统中的实现[J],计算机学报,2003,(6):30～31
35.贺秋华,秦向阳,等.基于HTML Viewer的ArcIMS开发研究[J].农业网络信息, 2007,(3):41～43
36.吴功和,丛明日.基于ArcGIS Server的分布式GIS应用[J],测绘科学技术学报,2006,23(1):52～55
37.罗艺,聂宜民,刘思聪.基于ArcSDE的寿光蔬菜空间数据库建设[J],农业网络信息,2009年第2期,43-47
38.http://baike.baidu.com/view/427.htm
39.http://www.aqtd.cn/aqlw/HTML/63825.html
40.戴刚毅,鲍征宇,张锦章.基丁GIS的矿山空间数据库的建立[J],物探化探计算技术,2000.2,vol22(1),78-81
41.徐泮林.基于神经元网络的城市土地利用变化模拟化理论与方法[D],山东青岛:山东科技大学,2008
42.徐泮林,姜凤霞.BP神经网络在城市化扩张动态模拟中的应用[J],山东科技大学学报自然科学版,2008,10,1-4