煤矿隐患数据挖掘模型及适用挖掘算法

为研究煤矿隐患数据的挖掘以实现海量隐患数据的有效利用,在分析矿山数据挖掘技术和煤矿隐患数据特点的基础上,提出煤矿隐患数据挖掘是矿山数字化的重要组成部分,给出煤矿隐患数据挖掘的概念,设计了煤矿隐患数据挖掘模型,并进一步分析了适用于煤矿隐患数据的挖掘算法。以关联算法为例,对隐患数据进行多维关联规则挖掘,分析挖掘结果表明隐患多维数据之间存在紧密关联性,能够为煤矿安全决策提供支持。     

基于关联规则挖掘的煤矿危险源耦合作用分析

煤矿安全事故具有危险源耦合致因特性。运用关联规则挖掘方法进行危险源耦合作用量化研究,首先将隐患排查类比为"超市购物",进行建模分析;其次,进行隐患排查"事务"界定和危险源"项集"分析,构建布尔关系表,采用基于提升度拓展的Apriori算法构建危险源关联规则挖掘模型;最后对铁峰煤业隐患排查数据进行实证分析。研究结果表明:采用关联规则挖掘算法能够有效提取隐患数据集中隐含的危险源耦合作用关系,对有效开展隐患排查和安全管理工作有一定作用。     

基于改进Apriori算法的煤矿物联网规则系统研究

从物联网系统业务环境的需求分析开始,结合传统的关联规则挖掘方法 Apriori进行了改进,简化了算法挖掘频繁集以及规则的过程;并且实现了基于改进Apriori算法的物联网关联规则系统,为物联网关联规则分析业务提供灵活、高效的解决方案。     

基于改进Apriori算法的煤矿物态隐患系统设计与应用

为了更深入地研究和利用激增的煤炭隐患数据,对某煤矿的隐患及其属性进行了研究、分析与分层,构建了属性的星形全连接模型;并通过数据清洗、概化及连续属性离散化等数据挖掘技术,将大量原始隐患数据转化为适用挖掘的数据。应用经剪枝和连接步的优化改进的Apriori算法,对该煤矿近两年的物态隐患数据记录进行挖掘,得到频繁项集,导出关联规则;最后利用SQL Server 2008数据库和VS2010平台,构建并实现了煤矿物态隐患信息挖掘系统。     

多维数量关联规则聚类挖掘研究

根据旅游数据的特殊性,提出了多维数量关联规则聚类算法(MDQARC),并从挖掘库的生成、数值属性的离散化以及关联规则挖掘和规则聚类等方面设计了有效的算法,最后通过实验将MDQARC算法与C4.5算法进行了比较,证明了该算法可以提高运行效率。     

基于关联规则的矿井监控数据挖掘分析

主要介绍了关联规则算法、数据挖掘的概念及工具,以及基于关联规则的矿井参数数据挖掘分析。使用R语言挖掘工具,挖掘分析了矿井监测数据温度、瓦斯、CO、风速、湿度、粉尘浓度之间的关联规则,确定了每种因素之间的影响规则,结合矿井实际情况提出矿井安全生产辅助决策。     

关联规则挖掘在煤矿安全监测中的应用研究

以煤矿安全监测系统为研究对象,利用挖掘算法来计算挖掘信息中的关联规则,从监测深度和监测效率两个方面对安全监测系统进行改善,促进煤矿安全监测系统的自动化进程。     

数据挖掘算法在瓦斯安全预测中的应用

基于数据挖掘和数据库技术,通过关联规则算法对系统瓦斯数据进行研究,建立了瓦斯浓度数据挖掘模型,对瓦斯浓度数据挖掘结果进行分析,进而对瓦斯安全进行预测。计算结果表明:瓦斯浓度是影响煤矿安全隐患的最主要因素。最小支持度阀值为0.50时,挖掘效率最佳。     

基于OLAM的煤矿企业安全隐患趋势分析

隐患排查治理工作是煤矿企业安全管理的首要任务,为有效利用隐患历史数据,首先阐述了数据立方体和OLAM体系结构、OLAP钻取功能和维间关联规则挖掘有机融合的方法并提出了Apriori_Data Cube算法,其次以Kulczynski度量扩展了支持度-置信度框架,最后借助微软SSIS对薛湖矿隐患历史数据加以实证分析,为煤矿企业及时掌握隐患趋势、提升隐患排查治理能力提供了新的思路。     

基于关联规则的化探数据分析

对关联规则的有关概念和主要挖掘方法进行了介绍,在此基础上,运用关联规则挖掘方法对西藏矿产资源潜力评价项目中的化探数据进行分析,找出影响资源量的各因素之间的关系,建立矿产资源定量模型,对成矿区矿产资源量预测有一定的实际应用价值。     

基于MapReduce的频繁项目集挖掘算法在煤炭销售系统中的研究

煤炭系统中,往往希望分析不同煤炭产品购买之间的关联规则,并通过一定的关联性推荐煤炭商品,有助于购买者购买并取得更高的销售量。发掘频繁项目集是关联规则中经常用到的关键技术。随着煤炭系统数据库中信息的增多,原有的频繁项目集挖掘算法无法快速高效地完成频繁项目的挖掘。针对海量数据信息频繁项目集挖掘问题,提出了分布式频繁项目集挖掘算法,该算法是基于MapReduce分布式计算框架,能够高效地完成数据库中的频繁项目挖掘工作。通过实验结果证明该算法具有很高的效率及可扩展性。     

数据挖掘技术中关联规则挖掘的应用研究

数据挖掘是从大量的应用数据中提取人们事先不知道的、潜在并且有用的信息和知识的过程。数据挖掘的方法有很多,其中应用最广泛的方法之一就是数据的关联规则挖掘。文章介绍了数据挖掘的一般技术,对于关联规则中的Apriori算法进行了说明,重点介绍了关联规则的数据挖掘方法在实际档案数据中的应用。     

数据挖掘在煤矿安全信息管理系统中的应用

针对煤矿企业未对安全信息进行深入挖掘的问题,设计了煤矿安全信息管理系统,利用数据仓库和数据挖掘技术对井下实时安全信息进行深入分析,以关联规则为例对煤矿监测数据进行挖掘,分析挖掘结果表明安全参数之间存在紧密联系,由此得到对隐患预测起到指导作用的有用信息,提前做好重点防范,为煤矿的生产安全和职工的人身安全提供保障。     

数据挖掘技术在图书馆中的应用研究

伴随Internet的快速发展,图书馆中需要传播及存储的信息量非常多,读者针对文献资料类型及信息需求的多样化,导致个性化的信息服务势在必行。本文把图书馆借阅数据作为研究对象,采用适合于图书馆数据的关联规则中的FP-growth算法,同时针对FP-growth算法实施了优化。依靠对图书馆业务数据的挖掘与分析,取得读者的兴趣及图书之间的关联等信息。     

基于文本挖掘的不安全行为诱因关联网络分析

煤矿安全事故中不安全行为的发生与多种诱因相关，为探究不安全行为的核心诱因及诱因集之间的关联关系及其对不安全行为的影响，收集了339起煤矿安全事故报告，借助文本挖掘技术提取了37个不安全行为及其诱因特征词，运用Apriori算法进行关联规则挖掘，搭建不安全行为及其诱因关联网络。结果表明：安全意识不够、隐患排查治理不到位、安全生产责任制落实不到位等6类核心诱因会对不安全行为产生直接影响，6组核心关联因素集也会对其产生间接影响；因此，煤矿企业应重点排查核心诱因节点及其关联因素集，以预防不安全行为的发生。     

基于文本挖掘的尾矿库隐患因素关联分析

尾矿库作为人造高势能泥砂储存库,一旦发生严重的 事故,将可能产生泥石流灾害,造成严重的生命安全损失、生 态环境损失,甚至威胁社会的和谐稳定。对大量国内外尾矿 库事故案例进行统计、分析,并采用文本挖掘对其进行分词 处理,挖掘导致尾矿库事故的关键隐患因素,运用 Python语 言绘制了关键隐患词云图。基于此,采用 Apriori(关联规则 挖掘)算法分析了隐患因素之间的关联性,表征了隐患因素 导致事故发生的耦合关系。最后通过共现分析获取共现矩 阵,采用 Ucinet等软件将共现矩阵转化为共现网络,实现了 隐患因素间耦合关系的可视化。研究结果对防范尾矿库事 故、提升尾矿库安全管理水平具有重要参考意义。     

Oracle安全审计技术设计

分析了Oracle安全机制,对其安全审计技术进行了研究。Oracle数据库自身没有针对安全审计数据的分析工具,为了改进与完善Oracle当前安全审计机制,采用了数据挖掘技术,将数据挖掘技术应用至Oracle数据库安全审计中来,对数据库的记录特点进行分析,通过审计记录的分析,提出了在序列模式挖掘及关联规则2种技术基础上,建立用户正常行为模式的方法。同时,还建立了针对Oracle的安全审计分析系统,分析审计数据。     

基于粗糙集的分类规则挖掘的研究

为了使粗糙集理论应用于分类规则挖掘更具严密性,能够有效的提高挖掘异常规则的效率和针对性,研究和探讨了数据预处理、多层分类规则挖掘、规则约简等方面的技术和方法,提出了基于粗糙集的异常规则挖掘算法,增量式分类规则挖掘策略和多层次分类规则挖掘策略,并建立了一个完整的基于粗糙集的分类规则挖掘模型。     

一种基于本体与关联规则的煤矿安全监控预警模型

为了解决煤矿安全监控系统中的可靠性较差、信息管理混乱,以及产生的海量监测数据利用率较低等问题,提出了一种新的安全监控预警模型。利用本体对煤矿安全监控领域的信息进行系统化组织,使其便于共享与重用;利用关联规则技术对海量监测数据进行挖掘,得到大量隐藏的可用于预警的推理规则;将煤矿安全监控本体及推理规则与Jena推理机进行绑定形成具有推理机制的安全监控预警模型。利用该模型对实时数据进行推理实验,验证了该模型有效。结果表明,结合了本体与关联规则技术的煤矿安全监控预警模型可有效地整合监控领域信息,并在一定程度上提高了预警的效率和准确率。     

矿工不安全行为特征的关联规则分析北大核心

明确矿工不安全行为各要素之间的特征规律情况是提高矿工不安全行为管理效果与能力的关键内容。提出了1种基于频次分析法与关联规则算法相结合的矿工不安全行为特征规律分析方法,构建了基于关联规则的矿工不安全行为过程模型,由结果分析获取了不安全行为之间的强关联规则和关键因素。研究结果表明:矿工的不安全行为均与所处“单位”、“班次”以及“工作内容”等存在显著关联,而重大危害的不安全行为均与矿工工作的工位和时间段存在显著联系。