基于数据挖掘技术预测瓦斯灾害的方法与实现

【摘 要】煤矿生产存在着各种不安全的因素，因此加强对煤炭生产过程中的检测和控制是十分有必要的。虽然我国政府有关部门和企业都采取了一系列的安全生产措施，但是仍然有许多因素造成了煤矿生产中的安全事故。其中瓦斯爆炸事故是煤矿生产中常见的事故，具有预测性低、发生时间快等特点，其后果和危害也比较严重，往往造成比较严重的经济损失和人员伤亡。因此加强煤炭生产中的瓦斯预测具有重要的意义。

【关键词】数据挖掘技术；瓦斯灾害；预测

随着信息技术的发展和我国煤矿企业生产水平的不断提高，在煤矿生产中信息管理也逐渐得到了重视，在煤矿的安全生产中发挥了重要的作用。数据挖掘技术作为一种有效的数据分析和预测系统，能够为管理者提高准确有效的信息。同时在煤矿的安全生产中如何发现瓦斯的爆炸危险源数据，提高煤矿生产的安全预警能力，而数据挖掘技术在预测瓦斯灾害方面具有重要的应用。

1.数据挖掘技术简介

对瓦斯事故的预测是以监控系统为基础的，只有监控系统通过足够的数据才能进行有效的预测。以监控系统为基础的预测具有很好的动态性，可以直观的反映出煤矿瓦斯近期数据的变化情况，而且能够根据这些数据来预测未来瓦斯的发展趋势，能够为企业的管理者提供针对性的解决措施来预防煤矿事故的发生。在挖掘大量的原始数据中要根据数据挖掘的目的，建立相应的模型，并且选择合适的计算方法最终达到相应的结果[1]。在现代煤矿的生产中建立了安全监测系统，可以为数据挖掘提供大量的基础数据。但是监测系统中存在大量的监测传感器，而且会随着煤矿开采的深入而不断的增加，而且这些监测数据包含了煤矿生产过程中的全部信息，其中的关键技术、任何从这些大量的数据中得到数据挖掘所需要的信息。数据挖掘技术能够在所收集的数据的基础上，结合数据库技术，对数据进行挖掘分析，进而发现其中潜在的信息或者规律。因此，可以利用数据挖掘技术来挖掘瓦斯事故中的危险因素的特征值，然后来预测瓦斯灾害。

数据挖掘技术是通过对大量的数据的整理和简化以及转换等处理过程成为能够进行数据挖掘的对象，通过组建挖掘模型并且利用这些数据来对某种知识模式进行预测，保证人们进行决策。从大的方面看，从数据库中挖掘信息的过程也是数据挖掘，对数据、报表的分析和挖掘的过程都是数据挖掘的手段[2]。西方对数据挖掘的定义是从大型的数据库中提取人们所感兴趣的至少，这些知识内容包含了隐含的、潜在的有用信息，其提取的结果可以是规律、规则、概念以及某种模式等。

数据挖掘的目的是为了利用某些理论、工具和方法等从数据源中提取人类所感兴趣的知识，数据挖掘的过程就是发现数据源中的知识。和一般意义上的数据查询相比较，其区别主要在于数据库的查询是被动的查询，而数据挖掘则是主动的。数据挖掘是发现知识的过程，通过对数据分析和利用某种算法，在一定的准确率的前提下，从大量的数据中得到了人类所需要的某种模式[3]。数据挖掘是从数据库的的大量数据中找到正确的、潜在要用的并且可以理解应用的知识。数据挖掘的结果主要为预测和描述两个大的类别，预测是通过对当前数据的分析进而预测和判断其以后的发展情况；描述往往是对数据库的数据特点进行描述。

2.数据挖掘技术在瓦斯预测中的应用

近年来为了有效的提高我国煤矿生产的安全性，保障煤炭生产的安全运行。我国相关部门宣布和实行了各种安全预防措施，进行了各种安全性基础工作，对于一些存在安全隐患的企业进行了改正，有效的提高了煤矿生产的安全度。但是安全作为煤矿生产中的首要因素，所以应当坚持不懈的做好其安全预测工作。信息化技术的广泛应用也提高了煤矿生产的安全性，通过建立煤矿瓦斯监测系统，可以有效的对煤矿生产情况进行实时远程监测，达到降低和预防瓦斯事故的目的。数据挖掘是对煤矿检测数据的处理 ，是为了从煤矿运行中提取有用的知识，预测矿井中的瓦斯的安全情况。瓦斯灾害只有同时满足以下三个条件才能发生，当瓦斯的浓度处于爆炸范围内的时候，即瓦斯浓度为5%-16%的时候，矿井中的温度、压力和煤尘等因素也会影响其爆炸的界限；当氧的浓度达到12%及以上的时候，瓦斯混合气体就容易存在爆炸性；最后就是在瓦斯混合气达到一定的着火点，其温度最低为650℃，在煤炭的生产中煤炭自燃、井下抽烟、电气火花、明火作业、违章放炮等因素都容易引起瓦斯混合气体的爆炸[4]。

要想真正的利用好数据挖掘技术来预测瓦斯灾害，首先要熟悉煤矿生产的各种知识，了解煤矿安全生产的详细信息，明确数据挖掘的目的和需求，这是数据挖掘技术能够取得良好效果的前提。在做好了前提的准备工作之后，就需要对数据进行挖掘。数据挖掘技术是以大量的数据为处理对象的，但是数据挖掘工作不能够直接的利用数据库中的数据，还需要进行其它的处理。首先要从煤矿安全监测系统中得到其大量的内部和外部的数据，并且按照数据的挖掘的要求提取有关的数据[5]。在提取出数据之后要对数据的质量和信息进行分析和判断，通常和上一个阶段的数据进行比较，判断其是否一致和完整，丢失的数据要进行补充。最后把选择好的数据转换为模型和系统能够分析的数据，主要是为了以后的挖掘算法而准备的。

为了进一步的提高数据的精度和质量，应当利用粗糙理论对数据进行分析处理，能够得到信息的最小不断同时还保留其关键的信息。为了减少噪声对粗糙理论的影响，可以采用神经网络的部分，把粗糙理论和神经网络有效的结合起来，可以提高数据的容错能力和抗干扰性。为了对数据进行连续性处理，可以利用FCM聚类算法来进行离散化的处理，FCM聚类算法可以按照数据的相似程度，把数据集合合成为有限的类别。利用FCM聚类算法只需要提高聚类的数量，所得到的分析结果中就包含了各个数据的离散值和每个属性值的隶属度，最后还会将数据返回到不同模糊区域的中心[6]。预警系统中的数据挖掘模块首先利用FCM聚类算法来处理样本数据，然后理论粗糙理论来确定其相关属性，被简化的结果被传送到RBF神经网络，然后国家神经网络输出层的神经元的个数来判断出其危险的等级。在应用的过程中要对数据网络进行训练，不断的检测其结果和网络输出结果之间的误差，并且把这些误差传送到各个连接层的节点，通过对误差进行计算然后对各个连接权进行不断的修正，最终达到输出值和实际结果的统一。

3.结束语

基于煤矿检测系统的数据挖掘技术可以有效的为管理人员通过煤矿生产的实时动态，为煤矿生产提供足够的安全支持。通过采用数据挖掘技术，可以及时的跟踪发现煤矿生产中瓦斯的状态，为决策提供有用的信息。便于及时的采取有效的措施，防止出现瓦斯安全事故，保障煤矿生产的安全进行。 [科]

【参考文献】

[1]张金山，辛同军，孙家驹等.数据挖掘技术在矿井瓦斯灾害预测中应用探讨[J].煤，2010，19（12）：47-49.

[2]赖振丹.数据挖掘技术在煤矿企业中的应用[J].煤炭技术，2013，（06）：124-125.

[3]张敏.数据挖掘技术及应用[J].信息技术，2010，34（08）：167-169.

[4]刘晓宇.基于数据挖掘的煤矿瓦斯爆炸危险源预警决策支持系统的研究[D].太原理工大学，2012.

[5]李瑞华.数据挖掘在煤矿安全监测中的应用[D].西安电子科技大学，2010.

[6]基于模糊综合评价的煤矿本质安全数据挖掘[J].中国管理信息化，2009，12（12）：73-77.