煤礦安全隱患數(shù)據(jù)挖掘分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了煤礦安全隱患數(shù)據(jù)挖掘分析范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】煤炭資源是我國的重要能源，煤礦安全生產(chǎn)對我國國民經(jīng)濟的發(fā)展有著很大的促進作用。大數(shù)據(jù)技術(shù)是繼云計算、物聯(lián)網(wǎng)等技術(shù)之后又一重大的技術(shù)革命。本文首先對煤礦安全監(jiān)測系統(tǒng)獲取的海量的煤礦安全隱患參數(shù)數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，然后構(gòu)建數(shù)據(jù)倉庫進行存儲，最后利用Apriori算法對標(biāo)準(zhǔn)化處理的數(shù)據(jù)進行數(shù)據(jù)挖掘，得出了煤礦安全生產(chǎn)有關(guān)的有用信息，從而為煤礦安全生產(chǎn)提供指導(dǎo)。

【關(guān)鍵詞】煤礦；大數(shù)據(jù)；標(biāo)準(zhǔn)化處理；Apriori算法；數(shù)據(jù)挖掘

一、數(shù)據(jù)獲取

本文以石板橋煤礦2015年12月-2016年12月的煤礦安全隱患監(jiān)測數(shù)據(jù)作為研究對象，通過自動或手動的方式獲取了瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度等煤礦安全隱患參數(shù)信息。

二、數(shù)據(jù)標(biāo)準(zhǔn)化處理

本文將瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度分別用字母C、P、V、T、D來表示，將瓦斯量分為（0-0.16），（0.16-0.31），（0.31-∞）三組，對應(yīng)的字母分別為C1、C2、C3；將瓦斯壓力分為（0-10），（10-17），（17-∞）三組，對應(yīng)的字母分別為P1、P2、P3；將通風(fēng)量分為（0-1100），（1100-1250），（1250-∞）三組，對應(yīng)的字母分別為V1、V2、V3；將溫度分為（0-20），（20-30），（30-∞）三組，對應(yīng)的字母分別為T1、T2、T3；將礦井深度分為（0-300），（300-350），（350-∞）三組，對應(yīng)的字母分別為D1、D2、D3。根據(jù)瓦斯?jié)舛鹊闹档那闆r可以將其分為(0-0.15)，(0.15-0.33)，(0.33-)三組，對應(yīng)的標(biāo)志分別為：Q1，Q2，Q3；根據(jù)瓦斯壓力的值的情況可以將其分為(0-7)，(7-18)，(18-)三組，對應(yīng)的標(biāo)志分別為：R1，R2，R3；根據(jù)通風(fēng)量的值的情況可以將其分為(0-1200)，(1200-1300)，(1300-)三組，對應(yīng)的標(biāo)志分別為：S1，S2，S3；根據(jù)溫度的值的情況可以將其分為(-11)，(11-15)，(15-)三組，對應(yīng)的標(biāo)志分別為：T1，T2，T3；根據(jù)煤層厚度的值的情況可以將其分為(0-4)，(4-7)，(7-)三組，對應(yīng)的標(biāo)志分別為：U1，U2，U3。

三、數(shù)據(jù)挖掘

存儲在數(shù)據(jù)倉庫中的數(shù)據(jù)蘊含有豐富的有用信息，這些信息必須進行專業(yè)的數(shù)據(jù)挖掘處理才能獲取，本文采用關(guān)聯(lián)算法對數(shù)據(jù)倉庫中海量的數(shù)據(jù)進行挖掘。（一）Apriori關(guān)聯(lián)算法簡介Apriori算法的原理是通過逐層迭代的方法來產(chǎn)生候選項集合，然后通過生成的頻繁k-項集查詢候選（k+1）-項集，這種算法每一次都需要對數(shù)據(jù)倉庫進行重新掃描，最終挖掘出數(shù)據(jù)倉庫中所有滿足條件的頻繁項集。（二）Apriori算法實施環(huán)境硬件環(huán)境：處理器為酷睿i7，內(nèi)存為4G，硬盤為500G。軟件環(huán)境：SQLServer2008+VisualStudio2010。算法運行環(huán)境為jre1.6.0_39，Tomcat6.0。（三）Apriori算法運行流程通過使用Apriori算法對煤礦安全隱患參數(shù)信息進行數(shù)據(jù)挖掘的關(guān)鍵因素是獲取極大頻繁項集。首先通過使用web瀏覽器登錄煤礦安全隱患數(shù)據(jù)管理系統(tǒng)，打開關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘界面，并進行如下的操作：（1）設(shè)定需要挖掘的煤礦安全隱患參數(shù)信息，主要包括瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度。（2）輸入最小支持度：最小支持度的數(shù)值應(yīng)該在0-1之間。（3）設(shè)置最小置信度：最小置信度的數(shù)值應(yīng)該在0-1之間。（4）運行挖掘算法程序，通過數(shù)據(jù)庫關(guān)聯(lián)代碼自動訪問數(shù)據(jù)倉庫中存儲的標(biāo)準(zhǔn)化處理以后的海量煤礦安全隱患參數(shù)信息，得出有用的信息。（四）挖掘結(jié)果將最小支持度設(shè)置成0.4，將最小置信度設(shè)置成0.65，通過改進后的算法挖掘數(shù)據(jù)庫內(nèi)存儲的標(biāo)準(zhǔn)化數(shù)據(jù)。（五）挖掘結(jié)果分析從表1中可以看出，運用改進后的挖掘算法對數(shù)據(jù)庫中存儲的標(biāo)準(zhǔn)化數(shù)據(jù)進行挖掘，一共挖掘出了四條強關(guān)聯(lián)規(guī)則，將這些強關(guān)聯(lián)規(guī)則轉(zhuǎn)化為瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及煤層深度等煤礦安全銀行參數(shù)以后可以得到如下解釋：高瓦斯量圯高瓦斯壓力高通風(fēng)量圯低瓦斯量中通風(fēng)量圯中瓦斯壓力高溫低通風(fēng)量圯高瓦斯壓力通過將挖掘后的結(jié)果和煤礦安全生產(chǎn)實際情況進行對比后可以發(fā)現(xiàn)，利用改進后的算法進行數(shù)據(jù)挖掘能得出合理、可靠的有用信息，將這些信息應(yīng)用于煤礦的安全生產(chǎn)中，可以起到很好的預(yù)防效果，做到有目的、有重點的防范，從而可以大大降低煤礦安全事故發(fā)生的幾率。

參考文獻：

［1］劉雙躍.2013.基于Apriori改進算法的煤礦隱患關(guān)聯(lián)性分析［J］.內(nèi)蒙古煤炭經(jīng)濟,(6）：102-107.

［2］茍怡.2016.大數(shù)據(jù)環(huán)境下煤礦安全產(chǎn)品協(xié)同開發(fā)質(zhì)量管控方法探索［J］.中州煤炭.

［3］楊國英.2013.泛在網(wǎng)下基于Apriori算法的移動群組的位置預(yù)測［D］.南京:南京郵電大學(xué)

作者：孫國營 單位：六盤水師范學(xué)院數(shù)學(xué)與信息工程學(xué)院