频繁子图挖掘算法的若干问题

介绍了基于频繁子图挖掘算法的思想及其相关算法,提出了频繁子图挖掘算法的一些问题,对所挖掘图的存储方式进行了讨论,重点介绍了隐式存储方式及其优点。在频繁子图挖掘一般步骤的基础上,提出了通过构建频繁子图决策树(FSDT)来实现挖掘算法的预处理问题,最后初步提出宽度优先子图同构法(BFSI)来实现频繁子图决策树(FS-DT)。     

数据挖掘技术在优化与机械设备故障诊断中的应用

数据挖掘是数据库中知识发现过程的一个重要步骤。利用数据挖掘中的粗糙集理论、人工神经网络技术、决策树方法和遗传算法,可以建立有效的工业优化模型和机械设备的故障诊断模型,具有较强的实用价值。     

多维关联规则的分布式能源系统数据挖掘方法研究

为了提升分布式能源系统数据挖掘精度与效率,保证分布式能源系统安全稳定运行,提出基于多维关联规则的分布式能源系统数据挖掘方法。离散化处理分布式能源系统中的所有数据,将数据转换为满足挖掘需求的数字化形式,明确数据支持度和隶属度值,建立与之对应的相关表,统计操作、运行和执行维度组合后总的支持度和隶属度值,通过分析每个维度的子维度得到正常和异常状态下两种数据。在Apriori算法基础上构建FP-树,不断生成频繁项集,直至不再产生新的项集时停止挖掘,采用剪枝处理去除部分冗余结点,保留下来的即为最终的数据挖掘结果。实验结果表明,所提方法能够精准挖掘出异常数据类型,且挖掘效率高,实际应用效果更好。     

基于数据挖掘的CRM系统研究

随着市场竞争越来越激烈,CRM成为企业提升竞争力的重要手段,如何从现有庞大的客户数据中挖掘出对决策有帮助的信息,是现在企业极为关切的方向。文章通过研究数据挖掘模型特点,重点分析3种数据挖掘算法,提出了利用COBWEB算法和粗集结合的方法对客户价值进行聚类分析,利用遗传算法对客户需求进行预测,最后对CRM系统总体结构进行了描述和设计。     

基于分类算法的可视化技术研究

文章研究可视化技术在分类算法中的应用。通过将数据进行预处理成为符合要求的数据后,然后调用数据挖掘中分类算法选择不同的可视化方法展示不同的可视化模型结果。通过采用不同的可视化技术,可以从不同角度分析数据挖掘的结果,对其有深刻直观的理解,从而打破传统挖掘算法的黑盒子模式,对数据挖掘的应用度显著提高。     

基于决策树的web模式挖掘框架研究

分析了决策树的基本算法,作为数据挖掘的关键算法之一,决策树可以很好的实现模式的分类。结合WEB应用,给出了WEB模式挖掘和分类的具体框架,对相关人员有较好的参考价值。     

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。     

数据挖掘技术在矿山勘探开采中的应用研究

矿山企业在多年的生产经营中积累了大量的数据,这些数据对于企业的决策具有很大的参考意义。但是,对这些数据没有进行深层的挖掘,没有进行联机分析,其数据内部的信息隐含价值没有得到开发。而数据挖掘技术正是解决此问题的有力工具。把数据挖掘技术引入到矿山的勘探开采工作中,并对数据进行了梳理,建立了数据挖掘技术的系统框架模型,这一技术的引进必将起到对实际决策工作的支持作用。     

粗糙集分析方法在采场煤炭自燃预测中的应用

考虑影响采场煤炭自燃的主要因素：回采速度、煤的变质程度和通风，对已有的历史数据集运用粗糙集数据挖掘分析方法，对开采煤炭自燃发火的危险程度进行了数据挖掘，得到了一个决策规则集，为判断煤炭自燃发火危险程度提供了一种新的方法．     

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。     

江西盘古山钨矿区开采沉陷预计的GA-SVA算法

传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计。以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vector machine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法。首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计。研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevation model,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度。     

利用果蝇算法反演概率积分法开采沉陷预计参数

针对概率积分法开采沉陷预计参数反演时存在算法复杂、计算量大等问题,将具有算法简单、计算量小、精度高等特点的果蝇算法引入到概率积分法开采沉陷预计参数反演中,研究了利用果蝇算法反演概率积分法开采沉陷预计参数的基本原理,构造了下沉拟合值与实测值均方差最小的适应度函数模型。结合安徽省某煤矿的实测数据,分别采用果蝇算法、遗传算法以及粒子群算法反演概率积分法开采沉陷预计参数,并以下沉拟合值与实测值的均方差为各算法反演精度的评价标准进行对比分析,结果表明：利用果蝇算法反演出的下沉拟合值与实测值的均方差（33.7 mm）以及相对中误差（1.4%）均小于同类条件下遗传算法、粒子群算法的反演结果,说明果蝇算法适用于反演概率积分法开采沉陷预计参数,对于提高概率积分法开采沉陷预计的精度有一定的参考价值。     

融合概率积分模型与D-InSAR的开采沉陷预计

矿区地表植被多,开采沉陷速度快、量值大,所产生的地质灾害较一般性的地表沉陷严重,极易使得2景SAR影像失去相干性,造成解缠错误。针对矿区SAR影像相干性较低、下沉盆地中央相位值易丢失的情况,结合合成孔径雷达干涉差分技术（Differential interferometric synthetic aperture radar,D-InSAR）和基于遗传算法的概率积分模型,提出了一种矿区开采下沉盆地预计方法。以该方法利用矿区下沉盆地边缘一定数量的相干系数较高且下沉较明显的D-InSAR监测值和下沉盆地中央最大下沉点与拐点附近的少量观测值对某矿II3720工作面进行试验,首先利用概率积分模型反演概率积分法预计参数并采用遗传算法进行多次优化,然后利用得到的参数对该工作面下沉盆地进行模拟预计,结果表明：通过该方法得出的下沉盆地参数及下沉值与实测值较接近,有助于弥补由于矿区SAR影像干涉效果不佳而导致的预计精度不高的不足,通过少量的观测数据可较为有效地预计矿区下沉盆地,对于提高矿山开采沉陷监测与预计的精度有一定的参考价值。     

Discrete-event simulation of mine equipment systems combined with a reliability assessment model based on genetic algorithms

The combination of simulation with the maintenance analysis of mining equipment has been proven to be an effective tool to assess the impact of equipment failures on mining equipment. Genetic algorithms have been applied to multiple areas of mine design, mostly involving optimization solutions. With regard to maintenance analysis, past research in mining focused on the design of a genetic algorithm based modelling technique that is applied to the failure data of equipment to assess the reliability of a machine under study. The objective of this research is to develop, integrate and demonstrate that a methodology involving the combination of a reliability assessment model based on genetic algorithms with a discrete-event simulation model can be an effective tool for maintenance analysis of mining equipment. The reliability assessment model based on genetic algorithms provides input in the form of times between failures (TBFs) to a discrete-event simulation model. The simulation component emulates a typical mine development cycle to analyse the effect of load-haul-dump (LHD) equipment failures on production throughput, mechanical availability and equipment utilization. Furthermore, two equivalent simulation models, built in AutoMod and Simul8, are compared to evaluate the merits of employing one simulation software package over the other. This final component of the research offers the opportunity to assess two different simulation tools for the same mining problem.     

矿用物资装载问题的遗传算法研究

为了更好地增强矿山企业内部市场化管理水平,提高矿用物资的仓储、运输等效率,优化装载方案是一项非常重要的技术环节。在对矿用零散货物配装问题分析的基础上,以物资配送的经济效益最大化为目标,兼顾车辆的有效容积和承载量等方面的约束条件,建立了基于优化方法求解的数学模型,并引入模拟生物进化的遗传算法进行了实例研究。应用结果表明,遗传算法在求解矿用物资装载最优方案的过程中,具有收敛速度快、用时短等优点,且计算精度较高;遗传算法良好的适应性和强大的搜索性能,非常适合用于求解多条件约束问题。研究结果有助于矿用零散物资运配送效能的提升,从而促进矿山企业相关物资管理部门经营效益的进一步提高。     

电力通信空气质量可视化系统研究

空气、气象、电力等基础数据的采集已经成为重要指数,长期的基础数据分析有助于加强的监管提高环境质量提升。通过对基础数据的监控进行充分调研,针对数据量大、难以形成有效利用的问题,采用空气质量、人体舒适度等算法,利用Web可视化技术为基础数据的检测设计了一套数据分析与可视化系统。测试结果表明,该系统可以稳定运行,且能有效地采集、传输相关的数据,并且通过对基础数据的分析,能够对数据做相应的可视化处理,对用户提供有益的推荐、对监管部门监管空气质量提供有效帮助。     

数据挖掘在煤炭企业CRM中的应用与研究

为增强煤炭企业管理的决策能力,在建立CRM(客户关系管理)系统的基础上,文章提出了利用数据挖掘技术方案,讨论了系统数据仓库模型,并对数据挖掘算法的应用与研究进行了探讨,为中国煤炭企业的统计与分析提供了1种有效并可行的解决方案。     

智能采运机组自主定位原理与技术

智采工作面装备运行的2个核心问题是控制工作面开采装备在煤层中自适应截割、保持采运机组在连续推进过程中的直线度。解决这2个问题必须实时获取采煤机在工作面空间的准确定位信息。通过对比分析国内外采煤机定位系统的技术原理和硬件架构,发现开发采煤机定位误差消减算法是在井下GPS拒止环境下保证采煤机长时定位精度的关键途径。根据采煤机定位原理可知,采煤机定位误差主要来源于惯性导航安装偏差和惯性导航系统随机误差。惯性导航安装偏差是确定性误差,采用基于两点法的确定性偏差补偿算法可使定位误差减小99.12%。针对采煤机运行状态的非完整性约束特点,基于采煤机运动学模型的闭合路径优化算法和动态零速校正算法分别使采煤机定位误差降低了50%和30%。采用信息滤波模型将闭合路径优化算法和动态零速校正算法进一步融合,抑制了惯性导航系统航向角的漂移,抑制了惯性导航系统航向角的漂移。利用UWB基站群自主迁移方法实现了采煤机在工作面端头定位,采用VB-UKF算法平滑采煤机定位过程中时变的测量噪声,增加了运动轨迹的平滑性,使得IMU/UWB紧融合的定位轨迹更加精确,为惯性导航系统提供校准的基准。基于采煤机定位轨迹的刮板输送机轨迹检测方法实现了刮板输送机形状在线监测,为综采工作面弯曲度自动化检测和校直提供理论基础和试验数据。     

Forecasting time-to-failure of machine using hybrid Neuro-genetic algorithm – a case study in mining machinery

Forecasting of time-to-failure is an important aspect of a mining machine for the performance assessment, fault detection and schedule maintenance. The knowledge of failure time allows more defined arrangement of preventive maintenance. Traditional methods, including lifetime distribution models, fault tree analysis and Markov models, have a limitation of assuming a specific statistical distribution function to fit the failure time data. In this study, a hybrid data-driven method using neural network and genetic algorithm is proposed to forecast failure time. The forecasting model was developed using neural network algorithm and all the neural network parameters, i.e. input nodes, hidden nodes and the learning algorithms, are selected automatically using the genetic algorithm. The developed model was validated using the failure data of a mining machine. A case study was conducted investigating a load-haul-dump machine (LHD) in the mining industry. Failure historical data for the LHD machine were collected, and cumulative failure time was calculated for time-to-failure forecasting. Study results demonstrate that the developed model performs satisfactory in the prediction of next failure time. A comparative study reveals that the proposed method performs better than existing methods.     

智能采运机组自主定位原理与技术

智采工作面装备运行的2个核心问题是控制工作面开采装备在煤层中自适应截割、保持采运机组在连续推进过程中的直线度。解决这2个问题必须实时获取采煤机在工作面空间的准确定位信息。通过对比分析国内外采煤机定位系统的技术原理和硬件架构,发现开发采煤机定位误差消减算法是在井下GPS拒止环境下保证采煤机长时定位精度的关键途径。根据采煤机定位原理可知,采煤机定位误差主要来源于惯性导航安装偏差和惯性导航系统随机误差。惯性导航安装偏差是确定性误差,采用基于两点法的确定性偏差补偿算法可使定位误差减小99.12%。针对采煤机运行状态的非完整性约束特点,基于采煤机运动学模型的闭合路径优化算法和动态零速校正算法分别使采煤机定位误差降低了50%和30%。采用信息滤波模型将闭合路径优化算法和动态零速校正算法进一步融合,抑制了惯性导航系统航向角的漂移,抑制了惯性导航系统航向角的漂移。利用UWB基站群自主迁移方法实现了采煤机在工作面端头定位,采用VB-UKF算法平滑采煤机定位过程中时变的测量噪声,增加了运动轨迹的平滑性,使得IMU/UWB紧融合的定位轨迹更加精确,为惯性导航系统提供校准的基准。基于采煤机定位轨迹的刮板输送机轨迹检测方法实现了刮板输送机形状在线监测,为综采工作面弯曲度自动化检测和校直提供理论基础和试验数据。