煤与瓦斯突出协同预测技术研究及应用

针对现有煤与瓦斯突出预测技术难以实现时间和空间领域的全方位连续预测、防突预测结果利用率低、预测信息发布滞后等问题,提出了一套适用于现代化高产高效矿井的多因素、全方位、时空连续型的煤与瓦斯突出协同预测技术体系.按照煤与瓦斯突出形成的时空维度,将煤与瓦斯突出危险性预测划分为以空间维度为主的区域突出危险性预测和以时间维度为主的局部突出危险性预测.通过对地质构造、煤层埋深、煤体煤质、软煤分布、钻屑指标、瓦斯涌出初速度等区域、局部防突预测数据的深度挖掘分析,得到区域、局部突出危险性预测结果,并按照一定规则进行有效融合,实现时间和空间范围内的连续监测预警.研发了配套的防突信息综合管控平台和WTC-1型瓦斯突出数据采集仪,为煤与瓦斯突出协同预测技术的实现提供了软硬件支撑.现场应用结果表明,该技术预测准确率超过90%,防突预测结果单次审批时间缩短为原来的22.5%,防突信息综合管控平台多次超前捕捉到了煤与瓦斯突出危险,提高了矿井防突信息利用效率.     

一种煤矿自动化预警综合分析方法

针对现有煤矿综合自动化系统缺少故障报警溯源机制、难以排查故障原因等问题,提出了一种煤矿自动化预警综合分析方法。该方法基于事故致因理论,通过构建异常事件关联图,对系统故障报警信息进行因果前后向推理,从而得出导致异常事件发生的原始原因,并预测出该异常事件可能引发的其他事件,实现了对异常事件关联信息的联动监视。     

面向金融活动的复合区块链关联事件溯源方法

现有区块链系统多采用平等挖矿模式,所有记账人(实体)将账本记录在单一主链上,数据存储具有随机性,且在复杂或分类金融场景下,主链数据难以关联或规律存储,导致存储及查询效率很低;同时,现有区块链系统中事件溯源大多只查询到源区块,不能判识实体间的隐含关联,查询具有局限性.针对这些问题,提出一种复合区块链关联事件溯源方法.该方...     

矿用声发射监测仪的研制

利用声发射信号预测煤岩动力灾害是国际煤矿安全领域的前沿课题,矿用声发射监测仪的研制,为建立声发射等多信息综合判识准则并依据该准则有效地预测煤岩动力灾害奠定了一定的基础。     

两级回归的流式大数据事件自适应预警方法

流式数据事件具有时间持续性,受采集器频率及外部环境干扰等因素影响,流式数据具有规模大、数据漂移等特征,且事件发生具有随机性特点,导致现有流式数据事件预警方法准确性很低,且在事件完全结束前无法得出判识结果,预警具有滞后性。针对这些问题提出一种两级回归的流式大数据事件自适应预警方法。该方法首先基于海量历史灾害事件,引入一级移动回归法建立权重支持域,提取事件的数据特征点,通过二级线性回归法建立事件回归模型,并对模型进行最小二乘误差分析建立事件置信域,构成预警模型;基于事件预警模型提出判识因子概念,提出流式数据事件分阶预警方法,通过判识因子自适应变换策略对事件未来发展趋势进行预估计,实现事件的实时预警。实验结果表明,该方法对比现有方法在事件预警实时性、预警效率及预警准确性等方面均具有很大优势。     

基于多维关联规则的区域能源安全外生警源隐含特征分析

针对现阶段我国区域能源安全突发事件频现的问题,对区域能源安全外生警源隐含特性展开了研究。通过对区域能源安全事件案例抽取,构建了能源安全外生警源属性集和数据集。依据数据集的特点设计了能源安全外生警源多维关联规则挖掘模型。该模型首先基于多维属性融合的思路,通过把属性划分为事务项,将外生警源多维属性映射为一维,然后利用Apriori算法的基本原理进行规则挖掘;在此基础上,将该模型应用于能源安全外生警源隐含特征分析中,研究警源属性间的关联关系,实现强关联规则输出。研究结果表明,多维关联规则方法可以发现隐藏在外生警源数据中的规律,通过对挖掘出的规则集的归纳分析,得出区域能源安全外生警源爆发时具有衍生性、季节性、危害性和持续性等共性特征。     

基于大数据的煤矿安全风险智能评价和预警研究

文章提出基于大数据的煤矿安全风险智能评价和预警方法,用来提升企业风险判识能力,评价煤矿安全风险等级,为后续开发打下基础。使用空间重构方法离散性映射处理大数据,选择最佳时延和最小嵌入维数构建大数据时间序列的信息流模型,通过模糊C聚类算法求解初始聚类中心搜索目标函数,最终获得大数据最优聚类中心。通过聚类大数据得到煤矿安全风险评估指标,使用可拓理论构建风险预警评估模型,运用熵权法确定指标权重,定量计算关联函数,根据关联度最大原则判断预警对象的风险等级。经实验分析,该方法在数据聚类方面具有较高准确性和计算效率,并且能够准确评估出煤矿存在的风险和预警等级。     

药品大数据的数据挖掘研究

药品监督管理部门的每年质量抽查检验工作会产生大量的检验数据,对大数据进行数据挖掘、预测分析以发现潜在安全问题已经是科学监管的趋势和必要手段。基于此,笔者运用关联规则的数据挖掘技术,研究药品检验数据间隐含的规律,揭示某类药品类别中存在的安全隐患。这一挖掘手段能更有效地从检验数据中发现可以利用的信息,比简单机械化的表格筛选、二维数据统计更加科学可靠。研究结果表明,关联模型得出的规则具有一定的现实意义,可为监管提供技术支撑。     

浅析数据挖掘技术及应用

随着网络技术的迅速发展以及数据库系统的广泛应用,人们积累的数据越来越多,激增的数据中有大量重要信息.目前的数据库系统虽然可以高效地实现数据的录入、查询、统计等功能,但无法发现数据中存在的关联和规则,无法根据现有的数据预测未来的发展趋势,缺乏挖掘数据背后隐藏的知识的手段.在这种情况下,人们引入了数据挖掘思想,通过它预测未来的趋势和行为,作出超前的、基于知识的决策.     

基于关联规则的自然灾害预测系统

建立自然灾害预测模型,对自然灾害进行预测和分析,有利于提升防灾减灾的技术水平.基于关联规则和Web文本挖掘技术提出自然灾害预测系统的设计方案及实现方法.该系统利用成熟开源的爬虫框架从权威的灾害信息发布平台中定向抓取非结构化的自然灾害信息,通过中文分词技术进行数据清理将其整理成结构化的自然灾害数据库,并利用改进的关联规则算法从中挖掘出自然灾害事件的关联规则,进而可通过实时监控关联规则的前端信息,实现对自然灾害事件的预测.试运行结果表明该系统能有效挖掘出自然灾害信息的关联规则,并具有较高置信度.     

基于图卷积网络的重大事件趋势预测

针对基于公开新闻数据的重大事件趋势预测研究在文本特征提取上语义理解不足问题,提出基于图卷积网络的重大事件趋势预测方法.利用结构化事件信息构建以事件为中心的语义关联图;按时间片粒度分割出局部事件语义关联图,利用预训练词向量对节点文本初始化特征表示;将带有节点特征的局部事件语义关联图输入图卷积网络,聚合节点邻域信息计算图特征表示并输入到分类器,训练预测模型并输出预测结果.以朝鲜核行为趋势预测问题验证所提出方法的有效性,对测试集(2017年3月～2018年3月)预测准确率达到76.92％,全时间段预测准确率为89.58％.预测结果表明,该方法增强了对文本的语义理解,预测精度优于基于专家知识构建特征的方法.     

骨干通信网络流量告警信息关联分析*

提出一种以骨干通信网络流量特征参数告警信息为基础的关联分析方法,首先提取通信网络中多个与异常事件相关的相对粗粒度的流量特征参数,将这些特征参数看做是随时间变化的信号（以下称为流量特征信号）,通过流量特征信号分析获得异常事件的多个告警信息;然后采用Apriori算法进行告警信息关联分析,获得告警信息与异常事件的关联规则。实际网络流量数据的分析表明：使用上述规则能有效地发现骨干通信网异常事件。     

基于机器学习的配电网监控信息智能分析规则库构建方法

为构建一种具有实时性的配电网监控信息智能分析规则库,提出了基于机器学习的配电网监控信息智能分析规则库构建方法。将规则库中全部配电网监控规则头排序并设成主链,将规则导进链表里生成规则集,保证各个监控信息数据包都存在一个分析规则。使用基于机器学习的配电网故障数据分类方法,识别配电网监控信息中的故障数据,并提取故障数据频繁项集。使用基于MapReduce的并行关联规则增量更新算法,更新分析规则库中的信息智能分析规则,保证分析规则库中的信息智能分析规则具有实时性。实验结果表明,所提方法的识别结果准确度、检出率均值都大于0.97,假阳性率都是0.01,可以及时识别出配电网监控系统实时检测故障信息,保证信息智能分析规则更新具有实时性。     

煤层底板突水监控系统的设计

针对现有煤矿突水防治方法存在的理论参数与实际环境参数差异大、超前预测和实时性差等问题,提出一种基于视频监控的煤层底板突水监控系统的设计方案;以某煤矿的一次突水事件为例,重点介绍了该系统的图像处理算法。该系统对摄像机采集的图像进行灰度化、图像增强、二值化、图像分割、边缘特征提取后得到突水图像边界坐标,对该边界坐标进行曲线拟合后得到突水区域的面积,并根据不同时刻所得突水面积的差值判断突水量变化趋势。试运行结果表明,该系统稳定可靠,视频画面清晰,图像处理算法有效,突水异常时能及时报警。     

基于岭回归改进规范变量分析的微震事件实时判识

微震事件判识是煤矿微震监测的基础。现有的微震监测技术大多基于单物理量变化规律而开发,在处理含有大量噪声和干扰信号的煤矿微震数据时易产生误判情况。针对该问题,基于岭回归算法改进规范变量分析(CVA)的损失函数,实现稀疏化建模,以提升模型泛化能力。采用岭回归改进CVA对多通道煤矿微震监测数据进行融合分析,进而实时判识复杂微震监测数据状态。采用模拟数据和实际煤矿微震监测数据对岭回归改进CVA进行实验验证。在基于模拟数据的实验中,随着噪声方差由5×10^-6增大至5×10^-2,岭回归改进CVA的判识准确率较CVA提升了0.6%～5.4%,误报率和漏报率之和较CVA下降4.8%～17.3%。在基于实际微震监测数据的实验中,岭回归改进CVA对20个通道的微震监测数据融合分析结果能够反映出微震信号处于波动状态,验证了该方法具备微震事件实时判识能力,平均判识准确率为97.14%,较CVA高2.39%,误报率与漏报率之和为31.06%,较CVA降低0.07%,错误率为2.86%,较CVA降低2.4%。     

基于Sync Framework的矿用防爆手机数据同步技术研究与应用

煤矿瓦斯灾害监控预警系统不仅需要采集在线的安全监控信息,而且需要采集井下离线的检测、观测信息,防治煤与瓦斯突出所使用的日常预测、观测信息是瓦斯灾害监控预警重要的数据来源之一。为解决煤矿井下基于Android防爆手机的防突信息采集App与地面基于SQL Server的防突动态信息数据库间双向同步问题,提出一种基于Sync Framework的SQLite与SQL Server数据库慢同步方案,实现了防突信息采集App与防突动态信息数据库按需双向同步,并在河南能源集团演马庄矿进行了现场实验,取得了较好的应用效果。该方案实现了数据同步模块与具体业务数据库及业务管理系统解耦,因此可推广至防爆手机乃至普通Android手机App与SQL Server数据库同步,具有较高的工程研究和应用价值。     

矿井瓦斯突出参数自动处理系统研究

针对传统的人工处理瓦斯突出参数存在信息填报时效性低、工作量大、资料存储及查询分析不方便等问题,设计了矿井瓦斯突出参数自动处理系统。在WTC瓦斯突出参数仪中增加WiFi无线通信模块,使其能自动获取井下IP地址,接入无线网络,实现瓦斯突出参数自动上传。利用SQL Server数据库管理系统,依据数据属性匹配、测定时间关系,依次搜索、存储与瓦斯突出参数仪上传的预测指标相对应的钻孔编号、测定深度信息,生成防突预测表单。现场试验结果表明,该系统实现了瓦斯突出参数的自动上传、防突预测表单的自动生成和防突预测信息的局域网共享及查询,数据上传准确率达到98.2%以上。     

基于遗传算法的Web使用挖掘研究

针对Web使用挖掘中的信息,提出一种基于遗传算法的关联规则挖掘模型,同时结合实例对有关信息特征进行量化,然后利用实数数组的方法进行编码以及构造适应度函数,挖掘出隐含在用户注册登记信息库中的有关用户规则.为个性化服务系统提供准确和可行的关联规则,并对用户的行为进行了预测和分析.     

基于事件驱动的煤矿井下安全事件检测与预警

利用复杂事件处理技术构建了基于事件驱动的煤矿井下安全事件检测与预警触发模式。以井下RFID人员定位数据与环境监测数据为基础应用数据,基于复杂事件处理技术搭建大规模井下安全流数据处理框架,设计离线数据关联规则自学习、在线数据匹配树结构自匹配的双层并行机制,以实现对井下安全预警事件的高效检测与预警触发。测试结果表明,基于事件驱动的煤矿井下安全事件检测与预警模式相对于基于关系型数据库的安全监控模式,在异常事件检测数与检测效率方面均具有显著的优势。     

使用关联规则挖掘高校教学评价数据

以高校教学评价数据为基础,采用数据挖掘中的关联规则,寻找教学评价数据背后隐含的有价值的信息。从教学评价表中挖掘出教师特征因素（学历、职称、教龄）与教学评价质量等级的关联,从而为教学管理部门和授课教师提供决策参考。