本文選題：數(shù)據(jù)挖掘　切入點：智能分析　出處：《太原理工大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著信息化建設(shè)的逐漸深入,煤炭企業(yè)的管理決策部門在前期信息化建設(shè)中的不足和薄弱環(huán)節(jié)逐漸暴露出來。彌補這一不足的緊迫性逐漸提上日程,我們有必要研發(fā)一套符合實際情況的,能夠替代現(xiàn)有人工數(shù)據(jù)整理工作的,快捷高效的智能化數(shù)據(jù)分析系統(tǒng)。由于來自基層的原始數(shù)據(jù)的不斷日積月累,生產(chǎn)運行數(shù)據(jù)增長的特別快,海量數(shù)據(jù)成為當今一個趨勢,時至今日,采取一定方法分析數(shù)據(jù)提取信息很重要,提取有用的信息更重要,這便要求一套面向安全的,能夠?qū)崿F(xiàn)數(shù)據(jù)整合的并迅速得到有價值信息的,具有海量數(shù)據(jù)處理能力的,支持數(shù)據(jù)挖掘的智能數(shù)據(jù)分析系統(tǒng)。本文在研究過程中,結(jié)合相關(guān)理論研究、算法模型,主要工作包括以下幾個方面:(1)首先根據(jù)數(shù)據(jù)挖掘理論基礎(chǔ),研究總結(jié)數(shù)據(jù)挖掘常用技術(shù)與算法,提出了數(shù)據(jù)挖據(jù)在用于通風安全災害分析的三部曲:就是數(shù)據(jù)準備、數(shù)據(jù)挖掘與結(jié)果評估,為數(shù)據(jù)挖掘技術(shù)用于智能分析系統(tǒng)奠定基礎(chǔ)。(2)介紹了基于煤礦海量通風數(shù)據(jù)進行數(shù)據(jù)挖掘的算法模型,重點介紹MGM(1,n)—BP神經(jīng)網(wǎng)絡(luò)通風安全數(shù)據(jù)序列研究模型,并且在實際工程應(yīng)用中得到驗證。(3)本著智能分析技術(shù)處理海量數(shù)據(jù)的方法,從煤礦數(shù)據(jù)智能分析系統(tǒng)的體系結(jié)構(gòu)、智能分析系統(tǒng)ETL、煤礦數(shù)據(jù)智能分析系統(tǒng)處理過程三個方面介紹了煤礦智能分析系統(tǒng)。(4)整個系統(tǒng)建立在現(xiàn)有各類原始數(shù)據(jù)基礎(chǔ)之上,實現(xiàn)對原始數(shù)據(jù)的提煉和深加工,最終為通風安全工作提供有價值的指導性信息。(5)系統(tǒng)信息展示層以多種形式將智能分析得到的有價值信息進行展示,實現(xiàn)分析結(jié)果的可視化。這其中包括使用各種圖形和表格(與現(xiàn)在手工模式的Excel格式兼容)以及動畫對數(shù)據(jù)進行展示。
[Abstract]:With the gradual deepening of information construction, the shortcomings and weaknesses of the management and decision-making departments of coal enterprises in the early stage of information construction are gradually exposed. The urgency of making up for this deficiency is gradually put on the agenda. It is necessary for us to develop a fast, efficient and intelligent data analysis system that conforms to the actual situation and can replace the existing manual data collation. Because of the accumulation of raw data from the grassroots, Production and operation data are growing very fast, mass data has become a trend nowadays, it is very important to take a certain method to analyze data to extract information, and it is more important to extract useful information, which requires a set of security-oriented, Intelligent data analysis system, which can realize data integration and get valuable information quickly, has the ability of massive data processing, and supports data mining. The main work includes the following aspects: (1) first of all, according to the theoretical basis of data mining, the common techniques and algorithms of data mining are studied and summarized, and the trilogy of data mining for ventilation safety disaster analysis is put forward: data preparation. This paper introduces the algorithm model of data mining based on massive ventilation data in coal mine, and introduces the research model of ventilation safety data sequence based on MGMM1 / NN-BP neural network, which lays a foundation for the application of data mining and result evaluation in intelligent analysis system. And it has been verified in the practical engineering application. (3) based on the method of intelligent analysis technology to deal with massive data, from the system structure of intelligent analysis system of coal mine data, The intelligent analysis system ETL, the processing process of coal mine data intelligent analysis system is introduced. The whole system is built on the basis of all kinds of existing raw data, and realizes the extraction and deep processing of the original data. Finally, it provides valuable guidance information for ventilation safety work. The system information display layer displays the valuable information obtained by intelligent analysis in various forms. Visualization of analysis results. This includes the use of various graphics and tables (compatible with the Excel format of today's manual mode) and animation to display the data.
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TD724

【參考文獻】

相關(guān)期刊論文 前10條

1 Yang Zongchang;Zhou Shaowu;;Modeling and prediction of daily gas concentration variation at a mining face based on the elliptic orbit model: A case study[J];International Journal of Mining Science and Technology;2015年06期

2 馮冰玉;鮑學英;王起才;;基于灰色和神經(jīng)網(wǎng)絡(luò)的鐵路客運量預測研究[J];鐵道科學與工程學報;2015年05期

3 董丁穩(wěn);屈世甲;王紅剛;;礦井瓦斯監(jiān)測數(shù)據(jù)特征分析及預處理[J];工礦自動化;2015年09期

4 劉茜;毛善君;武建軍;李鑫超;;基于傳感網(wǎng)的煤礦瓦斯監(jiān)測數(shù)據(jù)發(fā)布系統(tǒng)關(guān)鍵技術(shù)[J];煤炭科學技術(shù);2015年05期

5 張儉讓;張莉;董丁穩(wěn);;基于云計算的礦井瓦斯安全預警系統(tǒng)設(shè)計[J];安全;2015年04期

6 朱士祿;;對礦山地球物理信息的采集方式及機理的探究[J];科技致富向?qū)?2014年33期

7 劉澤照;張謙;;國外大數(shù)據(jù)研究特征及趨勢預測[J];圖書館論壇;2014年08期

8 黃永勤;;國外大數(shù)據(jù)研究熱點及發(fā)展趨勢探析[J];情報雜志;2014年06期

9 孫凱;;基于3G技術(shù)的煤礦安全生產(chǎn)監(jiān)控系統(tǒng)移動平臺開發(fā)研究[J];煤;2014年05期

10 林培利;;淺析計算機數(shù)據(jù)挖掘技術(shù)在煤礦行業(yè)中的應(yīng)用[J];江西建材;2014年09期

相關(guān)博士學位論文 前7條

1 張謝華;煤礦智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國礦業(yè)大學;2013年

2 朱世松;煤礦瓦斯監(jiān)測多傳感器信息融合與知識發(fā)現(xiàn)研究[D];中國礦業(yè)大學;2013年

3 錢超;高速公路ETC數(shù)據(jù)挖掘研究與應(yīng)用[D];長安大學;2013年

4 劉年平;煤礦安全生產(chǎn)風險預警研究[D];重慶大學;2012年

5 王其軍;瓦斯監(jiān)測系統(tǒng)故障智能診斷技術(shù)研究[D];山東科技大學;2007年

6 鐘震宇;小煤礦通風瓦斯集群監(jiān)控系統(tǒng)的研究[D];中國地質(zhì)大學;2006年

7 毛國君;數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D];北京工業(yè)大學;2003年

相關(guān)碩士學位論文 前10條

1 孫國營;煤礦隱患數(shù)據(jù)挖掘模型及適用算法研究[D];中國礦業(yè)大學;2015年

2 鄭杰;煤礦安全生產(chǎn)監(jiān)控系統(tǒng)中移動智能終端應(yīng)用的設(shè)計與實現(xiàn)[D];北京郵電大學;2013年

3 張海亮;基于AE和ArcGIS Server的煤礦安全管理系統(tǒng)的應(yīng)用研究[D];西安科技大學;2011年

4 王丹丹;基于數(shù)據(jù)挖掘的煤礦瓦斯事故預測方法研究[D];遼寧工程技術(shù)大學;2010年

5 李瑞華;數(shù)據(jù)挖掘在煤礦安全監(jiān)測中的應(yīng)用[D];西安電子科技大學;2010年

6 楊金壯;基于ARM的煤礦安全系統(tǒng)設(shè)計[D];南京理工大學;2009年

7 王東;煤礦安全監(jiān)控系統(tǒng)的設(shè)計與開發(fā)[D];北京交通大學;2009年

8 陳大山;高速公路主線可變限速控制研究[D];長安大學;2009年

9 汝洪芳;煤礦安全監(jiān)控系統(tǒng)的設(shè)計[D];黑龍江科技學院;2009年

10 柳亮亮;數(shù)據(jù)挖掘在煤礦安全預測預警中的應(yīng)用研究[D];河南理工大學;2009年

，

本文編號：1591785