基于遗传算法的采煤工作面隐患数据关联规则挖掘

分析了采煤工作面的隐患类型和属性,应用遗传算法建立关联规则挖掘模型,并通过文本挖掘与主题挖掘算法挖掘隐患之间的内在关系和隐患之间的关联规则,构建关联规则库。以山东某矿业公司的安全隐患检查记录为数据源,对模型进行验证,并对改进的遗传算法、遗传算法和Apriori算法进行性能对比,表明改进的遗传算法能够有效地挖掘隐患数据的关联规则,有助于加深安全管理人员对隐患数据间蕴含的内在规律的理解,为煤矿安全隐患排查治理提供依据,指导采煤生产的安全管理实践。     

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。     

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。     

煤矿隐患排查治理与预警体系研究

通过分析安全、危险源、隐患和事故之间的关系,提出了"安全壳"的概念,得出:隐患是危险源的"安全壳"破裂失效引起的,事故是危险源和隐患的"安全壳"失效导致的;保障安全生产可以通过强化安全措施,控制危险源;进一步重点控制由人的不安全行为、物的不安全状态、环境的不安全条件、设计上的缺陷和管理上的漏洞等引起的隐患,形成事故预防和控制的"安全壳"。在此理论认识基础上,构建了科段、矿、公司之间多种隐患信息集成、排查和治理的分级管控的闭环管理模式和分专业标准化排查以及隐患风险分级预警体系。并以昊华能源公司为例,研发并应用了集煤矿隐患排查、预警和治理为一体的信息系统,系统不仅提高了煤矿安全管理的科学性和有效性,并取得了良好的安全效益和经济效益。     

基于FMEA-Fuzzy制定煤矿设备隐患分级排查标准

设备隐患排查治理是设备安全风险管控的重要手段,为了制定煤矿设备隐患分级排查标准,基于FMEA对设备进行系统全面的危险源辨识,分析各部件的潜在故障模式、安全风险及导致故障的因素。运用模糊理论和灰色关联理论对其故障模式进行分析和评价,最后对各故障模式进行风险排序。基于危险源辨识结果和风险大小,制定隐患分级排查标准,结合公司岗位职责,实现对设备隐患的分级治理。     

矿山安全隐患辨识与预警大数据分析系统研发

为解决矿山日常安全隐患排查数据不规范、非结构化、生命周期短和利用程度低等问题,运用大数据分 析技术研究与开发矿山安全隐患辨识与预警系统。 根据矿山安全隐患大数据分析场景,在大数据平台和云计算平台 基础上规划系统整体架构、功能体系与大数据分析逻辑。 通过矿山安全隐患语料库、停用词库的构建,规范矿山常见 隐患主题词,借助词库对安全隐患进行标准化分词,运用“六何分析方法”构建以时间、地点、类型、程度、致因、责任主 体为要素的多维数据集。 针对矿山安全隐患大数据特征,运用主题挖掘、语义网络分析、关联规则、分类与预测模型完 成危险源和安全风险主题辨识、安全隐患知识图谱构建、安全隐患致因规律挖掘以及安全风险预警,借助商务智能分 析工具完成可视化系统的搭建。 系统应用于国内大型矿山企业,实现了安全隐患智能识别、诊断、预测与预警,大幅提 高安全管理人员对安全隐患认识、管理和决策能力。     

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。     

基于煤矿事故防范的危险源与隐患辨析

对危险源和隐患进行了概述,阐明了危险源与隐患的区别和联系。基于危险源不能消除,只能辨识、检测、监测和防治,而隐患能进行预控、排查、整改的性质,介绍了煤矿危险源和隐患的管理。最后以煤矿生产系统为例,阐述了事故防范原理,为有效开展煤矿事故预防工作奠定了基础。