煤矿安全隐患数据挖掘分析

【摘要】煤炭资源是我国的重要能源，煤矿安全生产对我国国民经济的发展有着很大的促进作用。大数据技术是继云计算、物联网等技术之后又一重大的技术革命。本文首先对煤矿安全监测系统获取的海量的煤矿安全隐患参数数据进行标准化处理，然后构建数据仓库进行存储，最后利用Apriori算法对标准化处理的数据进行数据挖掘，得出了煤矿安全生产有关的有用信息，从而为煤矿安全生产提供指导。

【关键词】煤矿；大数据；标准化处理；Apriori算法；数据挖掘

一、数据获取

本文以石板桥煤矿2015年12月-2016年12月的煤矿安全隐患监测数据作为研究对象，通过自动或手动的方式获取了瓦斯量、瓦斯压力、通风量、温度以及矿井深度等煤矿安全隐患参数信息。

二、数据标准化处理

本文将瓦斯量、瓦斯压力、通风量、温度以及矿井深度分别用字母C、P、V、T、D来表示，将瓦斯量分为（0-0.16），（0.16-0.31），（0.31-∞）三组，对应的字母分别为C1、C2、C3；将瓦斯压力分为（0-10），（10-17），（17-∞）三组，对应的字母分别为P1、P2、P3；将通风量分为（0-1100），（1100-1250），（1250-∞）三组，对应的字母分别为V1、V2、V3；将温度分为（0-20），（20-30），（30-∞）三组，对应的字母分别为T1、T2、T3；将矿井深度分为（0-300），（300-350），（350-∞）三组，对应的字母分别为D1、D2、D3。根据瓦斯浓度的值的情况可以将其分为(0-0.15)，(0.15-0.33)，(0.33-)三组，对应的标志分别为：Q1，Q2，Q3；根据瓦斯压力的值的情况可以将其分为(0-7)，(7-18)，(18-)三组，对应的标志分别为：R1，R2，R3；根据通风量的值的情况可以将其分为(0-1200)，(1200-1300)，(1300-)三组，对应的标志分别为：S1，S2，S3；根据温度的值的情况可以将其分为(-11)，(11-15)，(15-)三组，对应的标志分别为：T1，T2，T3；根据煤层厚度的值的情况可以将其分为(0-4)，(4-7)，(7-)三组，对应的标志分别为：U1，U2，U3。

三、数据挖掘

存储在数据仓库中的数据蕴含有丰富的有用信息，这些信息必须进行专业的数据挖掘处理才能获取，本文采用关联算法对数据仓库中海量的数据进行挖掘。（一）Apriori关联算法简介Apriori算法的原理是通过逐层迭代的方法来产生候选项集合，然后通过生成的频繁k-项集查询候选（k+1）-项集，这种算法每一次都需要对数据仓库进行重新扫描，最终挖掘出数据仓库中所有满足条件的频繁项集。（二）Apriori算法实施环境硬件环境：处理器为酷睿i7，内存为4G，硬盘为500G。软件环境：SQLServer2008+VisualStudio2010。算法运行环境为jre1.6.0_39，Tomcat6.0。（三）Apriori算法运行流程通过使用Apriori算法对煤矿安全隐患参数信息进行数据挖掘的关键因素是获取极大频繁项集。首先通过使用web浏览器登录煤矿安全隐患数据管理系统，打开关联规则数据挖掘界面，并进行如下的操作：（1）设定需要挖掘的煤矿安全隐患参数信息，主要包括瓦斯量、瓦斯压力、通风量、温度以及矿井深度。（2）输入最小支持度：最小支持度的数值应该在0-1之间。（3）设置最小置信度：最小置信度的数值应该在0-1之间。（4）运行挖掘算法程序，通过数据库关联代码自动访问数据仓库中存储的标准化处理以后的海量煤矿安全隐患参数信息，得出有用的信息。（四）挖掘结果将最小支持度设置成0.4，将最小置信度设置成0.65，通过改进后的算法挖掘数据库内存储的标准化数据。（五）挖掘结果分析从表1中可以看出，运用改进后的挖掘算法对数据库中存储的标准化数据进行挖掘，一共挖掘出了四条强关联规则，将这些强关联规则转化为瓦斯量、瓦斯压力、通风量、温度以及煤层深度等煤矿安全银行参数以后可以得到如下解释：高瓦斯量圯高瓦斯压力高通风量圯低瓦斯量中通风量圯中瓦斯压力高温低通风量圯高瓦斯压力通过将挖掘后的结果和煤矿安全生产实际情况进行对比后可以发现，利用改进后的算法进行数据挖掘能得出合理、可靠的有用信息，将这些信息应用于煤矿的安全生产中，可以起到很好的预防效果，做到有目的、有重点的防范，从而可以大大降低煤矿安全事故发生的几率。

参考文献：

［1］刘双跃.2013.基于Apriori改进算法的煤矿隐患关联性分析［J］.内蒙古煤炭经济,(6）：102-107.

［2］苟怡.2016.大数据环境下煤矿安全产品协同开发质量管控方法探索［J］.中州煤炭.

［3］杨国英.2013.泛在网下基于Apriori算法的移动群组的位置预测［D］.南京:南京邮电大学

作者：孙国营 单位：六盘水师范学院数学与信息工程学院