矿山物联网体系及其应用

随着矿山企业的不断发展,现有的信息化和自动化系统已经难以满足矿山企业的生产需要。矿山物联网概念的提出,可以解决现有矿山企业的信息化、自动化难题,实现矿山企业的全面感知、智能控制和综合管理,在一定程度上解决现有产品只流于表面主体功能需求,而细节方面较差的问题,消除矿山企业的"信息孤岛"现象。     

基于GA的矿山企业动态生产经营参数优化

为最大化利用不可再生的矿产资源,实现矿山企业的矿石储量、开采品位、开采成本、价格四要素之间的动态联动与优化,采用基因算法求解矿山企业多目标生产经营参数优化。通过建立4个优化目标之间的联动求解模型,将影响多目标优化的要素作为遗传算法的初始染色体,并对基因算法运算规则进行重新定义,以求解矿山企业多目标生产经营参数优化,实现了矿山企业动态生产经营参数优化模型。运用该模型,可根据矿产品的价格变化确定盈亏品位界限、成本与价格比和储量可供情况,为保护、利用矿产资源提供科学手段。     

药业空压机控制系统DCS的应用

通过DCS系统在药业发酵生产中用到的500m3/min及250m3/min的离心空压机装置上的应用,总结出空压机控制所用到的控制方案。根据喘振机理和防喘振控制方法,实现了对空压机、汽机的自动化控制,达到了较高的自动化控制水平。     

基于Web的矿山企业异构数据库集成系统研究

针对当前矿山企业管理信息系统中使用的大量异构数据库的特点,分析利用了异构的数据库Web集成方法。利用矿山企业已有的数据资源,设计并实现多个数据库Web集成系统。     

基于信息化的矿山生产管理系统研究

针对矿山企业中存在不同厂家生产的自成体系的各种生产监控系统的现状,总结出煤矿行业各种监测、控制系统的数据信息集成的有效方法,实现煤矿内已经存在的各子系统的监控数据、视频、及语音等综合数据在局域网上的集成和共享,以达到生产管理的联动响应机制。实现矿山的生产管理的科学化,通过大宝顶矿的矿山信息化应用,论证了信息化在矿山中的作用与价值。     

采矿类大学生精细化职业指导初探

加强采矿类大学生精细化职业指导具有重要意义,有利于深化高等教育改革,有利于人才培养,有利于优化人才资源配置,有利于实现更高质量的就业,有利于促进社会和谐。加强采矿类大学生的精细化职业指导,要坚持分类指导、注重细节和过程、着眼学生长远发展的原则。加强采矿类大学生精细化职业指导的主要内容有矿山企业就业形势教育、矿山企业法律法规教育、矿山企业求职信息的获取、矿山企业面试技巧、矿山企业签约和解约、矿山企业预防诈骗和传销。采矿类大学生精细化职业指导的主要方法有课堂教学、知名校友座谈、厂矿实习、分组讨论和配备职业指导师。采矿类大学生精细化职业指导要注意加强协作,形成合力,创新方式方法和循序渐进。     

Oracle Webserver的实现原理及应用

介绍了OracleWebserver的基本概念及实现原理,提出了矿山企业Intranet的网络结构和矿山企业主页基本构成,其结构对于其他行业也有普遍的借鉴意义。     

基于GIS与VPN的矿山企业管理信息系统的设计与实现

强化矿产资源开发监督、建立规范合理的矿产资源管理环境对保证国家经济及矿产资源可持续发展具有十分重要的意义。针对我国省级矿山企业管理现状,该文以河北省矿山企业管理信息系统的研究与实现为例,从总体设计、系统功能、空间数据管理、所采取的主要技术等方面入手详细介绍了如何利用计算机技术和GIS技术实现一套基于空间数据库的矿山企业管理信息系统。     

一种基于嵌入式Linux的PDA手机的设计

本文介绍了在嵌入式Linux环境下,实现PDA手机基本功能的一种方法。并对功能实现过程中的输入、显示、存储、通信等多项关键技术进行了分析说明。最后,对PDA手机通话和短信方面所用到的AT指令集作了详细解析。     

基于C／S方式下的GIS软件的工作原理及实现方法

本文简要介绍了几种Ｃ／Ｓ方式下的ＧＩＳ软件的工作原理及实现方法和所用到的开发工具。     

CCDCD:基于图密度的动态约束社团核心挖掘方法

社会网络中社团核心的发现是目前研究界和产业界关注的热点问题。现有算法把社团处理为特定约束下的图后,将社团核心发现规约为紧凑子图的提取,但对于动态约束下的多图效率很低。为此,提出基于图密度的动态约束社团核心挖掘方法——CCDCD(community core mining with dynamic constrains based on graphdensity)。主要工作包括:(1)分析约束条件变化下,关于社团的图密度变化规律;(2)提出约束变化下,社团图密度的近似求解算法DCUE(dynamic calculation based on updated edges);(3)通过实验表明,与现有方法相比,对较大规模的社团图,新方法能获得更好解,降低时间消耗80%以上;验证了动态约束能发现更多有兴趣度的知识。     

准确高效的动态干预决策发现

干预决策是数据挖掘领域关注的重要问题,致力于评价干预措施对干预目标的影响或发现满足干预目标的最优干预措施,而朴素干预规则模型简单,无法精确表达干预知识,且效率较差。在模型设计中引入了马尔科夫链,提出了干预过程动态模型,设计并实现了基于干预力度的动态精确干预评价体系。在中国出生缺陷数据集上的实验表明,该方法可比较精确地发现干预规则。     

社会网络的动态建模与变化检测技术

动态网络分析是社会网络数据挖掘的重要手段。基于此,归纳社会网络动态行为,介绍针对不同网络变化原因的对应分析方法,从动态建模分析和网络变化检测两方面综述动态社会网络分析技术,并总结各种方法的适用范围及优缺点,提出该领域需要进一步研究的问题,探讨动态社会网络分析的发展方向。     

工作面覆岩破坏参数动态监测系统

钻孔冲洗液简易水文观测分析法和钻孔压、注水实验法等传统覆岩破坏参数检测方法难度大、成本高、精度不高。介绍一种利用网络并行电法仪、矿井以太网、地面远程终端组成工作面覆岩破坏参数动态监测系统。给出了详细的系统组成结构和井下采集部分的布设方式。系统可随采掘工作推进记录覆岩破坏的动态发育过程。以应用实测数据为基础,分析给出了覆岩破坏参数,对矿井安全生产具有重要的指导意义。     

动态数据挖掘研究

提出了一种新的数据挖掘形式--动态数据挖掘(DDM),寻求在不断更替产生的动态数据信息中找出能被应用的知识.给出动态数据挖掘的体系结构,并分析了动态数据挖掘实现过程,运用滑动窗口与动态数据窗口动态采集与处理动态新增数据,同时运用后续数据进行挖掘结果评价,用K标号法平滑地使用动态目标数据集进行数据挖掘,得出了一个动态数据挖掘测试算法.     

基于主动学习的动态模糊聚类算法

聚类问题是近几年来机器学习和数据挖掘领域研究的热点问题,由于获取大量监督信息费时费力,目前国内外研究的重点是如何获得少量但对聚类性能提高显著的监督信息,再加上实际问题中存在的动态模糊性,故本文提出一种结合主动学习的动态模糊聚类算法DF-DBSCAN,通过引入动态模糊等价关系、动态模糊信任测度和动态模糊似然测度这3个约束信息来指导DBSCAN的聚类过程,以提高聚类的性能。实验结果表明,DF-DBSCAN算法不仅解决了实际问题中存在的动态模糊性数据的描述和表示问题,而且能够高效地进行数据聚类,显著地提高聚类性能。      

动态网络模式挖掘方法及其应用

静态复杂网络研究在揭示社会网络、信息网络和生物网络的形成和演化机制方面取得了重要成果,其方法和结果对系统生物学产生了重要影响.但现实世界中,很多网络是随时间发生变化的,即动态网络.以动态网络为对象,对动态网络的拓扑特性分析、动态网络相关的各种模式挖掘模型和方法进行了综述、比较和分析.特别地,将动态网络模式分析方法应用于生物网络和社会网络,分析了生物网络相关的动态功能模块和模式演化问题、科学家合作网络和社交网络的动态模式.最后指出了动态网络的模式挖掘方法及其在动态生物网络和社会网络研究中存在的问题和挑战,并对未来的研究方向进行了分析.     

基于灰色Markov模型动态关联规则的元规则挖掘

介绍了增加了支持度向量和置信度向量两种规则评价指标的动态关联规则,给出了一种基于灰色Markov模型的预测和分析动态关联规则的元规则的方法。此方法在建立灰色模型的基础上应用Markov链理论,实验证明利用此方法挖掘的元规则要优于灰色模型等其他方法。     

词计算和语言动力学系统的基本问题和研究

语言动力学研究的实质是如何通过词计算在语言层次上动态地有效利用信息,解决复杂系统的建模、分析、控制和评估问题.语言动力学研究的主要思想是如何借助于一般数值动力学中行之有效的概念、框架、方法等,建立自己的相应体系.语言动力学将主要应用于数值动力学系统的抽象化分析,基于词描述的经济、社会、管理和生态系统的动态分析、决策综合、政策评估、以及大数据量的知识挖掘和动态表示等.这方面研究的最终目的是建立连接人类的语言知识表示与计算机的数字知识表示的桥梁,成为下一代智能化人机交互和知件体系的理论基础之一.本文简要讨论词计算和语言动力学系统的一些基本问题及研究.     

基于正负效用划分的高效用模式挖掘方法综述

高效用模式挖掘（HUPM）是新兴的数据科学研究内容之一,通过考虑事务数据库中项的单位利润和数量,以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正,但是在实际应用中,某些数据项的效用值可能为负（如商品因产生亏损而导致利润值为负）,含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先,阐述了HUPM的相关概念,并分别给出相应正负效用的实例;然后,以正与负角度划分了HUPM方法,其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分,带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术,并从不同方面对这些方法进行了讨论和总结;最后,给出了现有HUPM方法的不足和下一步研究方向。