基于商空间的煤矿瓦斯数据挖掘.doc

基于商空间的煤矿瓦斯数据挖掘 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。目前对于数据挖掘技术的研究越来越多,并且已在多个领域中应用,其应用范围涉及银行、电信、保险、交通等诸多领域。分类和预测是数据挖掘领域中两种重要的数据分析形式,可以用于提取描述重要数据类的模型或预测未来的数据趋势。本文将分类和预测等数据挖掘方法应用于瓦斯浓度的预测,是对煤矿瓦斯数据挖掘的应用和研究。预测瓦斯浓度的变化对煤矿安全生产有着重要的意义。为了更加有效地进行瓦斯数据挖掘,本文引入了商空间粒度计算理论、灰色模型、覆盖算法等。商空间理论模型是由张铃、张钹教授提出的,该理论使用粒度的观点来分析描述世界,从不同粒度层次对事物进行分析使认识更加全面合理,而且可以降低问题的计算复杂性。灰色系统预测模型是通过时序数据累加生成的模块建立起来的,滤去原始序列中可能混入的随机量,从上下波动的时间序列中寻找某种隐含的规律性,得到随机性弱化而规律性强化了的新数列,挖掘出原始序列的内在特征。而覆盖算法构造性机器学习方法,其主要特点是对给定的具体的数据处理过程中,同时给出网络的结构和参数。即所得到的结构是在处理数据过程中逐步构造的,而不是在学习之前事先给定的。本文的主要工作1概述了粒度计算理论的发展和基本模型,着重介绍了商空间粒度计算理论框架及构造性机器学习算法。2研究了瓦斯数据挖掘的几种主要模型的原理和实现,本文重点研究了针对趋势浓度和特征浓度的不同组合模型。3针对当前预测模型的不足,采用了一种新的瓦斯数据挖掘组合模型,即首先采用张铃教授提出商空间粒度计算模型对瓦斯特征浓度进行分层次的多粒度分析,构造瓦斯浓度预测的商空间模型,利用商空间理论中的性质及定义,对分层后不同粒度的复杂瓦斯特征时间序列进行集成,使瓦斯数据的特征更为明确,以便更好地进行机器学习。对于瓦斯趋势浓度的预测,文中采用的是灰色模型GM1,1,而由特征因子引起的特征浓度的预测则是构造性机器学习方法覆盖算法,通过二者的结合能够提高瓦斯浓度预测准确率。4通过对山西省某煤矿瓦斯数据进行预测试验,可以分析出本文提出的基于灰色-覆盖算法的组合模型具有更好的预测效果。 同主题文章 [1]. 秦艳华. 数据挖掘技术中孤立点的分析研究 [J]. 硅谷. 2010.04 [2]. 董引娣. 数据挖掘中关联规则在零售业中的应用 [J]. 重庆科技学院学报自然科学版. 2010.01 [3]. 周蕾. 聚类分析在学生成绩分析中的应用 [J]. 农业网络信息. 2010.05 [4]. 王苗,柴瑞敏. 一种改进的决策树分类属性选择方法 [J]. 计算机工程与应用. 2010.08 [5]. 任颖,李华伟. 一种新型神经网络模型在数据挖掘中的应用 [J]. 现代计算机专业版. 2010.03 [6]. 刘东洋,刘恩. Apriori算法的改进 [J]. 科学技术与工程. 2010.16 [7]. 刘先花,胡雪丹. 一种基于特征矩阵的一致决策表的规则提取方法 [J]. 电脑知识与技术. 2010.13 [8]. 徐涛. 带兴趣度的序列概念格的最大模式挖掘 [J]. 科技信息. 2010.14 [9]. 黄宏本,李余琪,覃伟良. 一种基于遗传算法的分类规则挖掘算法 [J]. 广西科学院学报. 2010.02 [10]. 刘平,曹云. 入侵检测在网络安全中的地位与作用 [J]. 湘南学院学报. 2010.02 【关键词相关文档搜索】 计算机软件与理论; 数据挖掘; 商空间; 灰色模型; 覆盖算法; 瓦斯浓度 【作者相关信息搜索】 太原理工大学; 计算机软件与理论; 张月琴; 段霄鹏;