導(dǎo)語：煤礦安全隱患數(shù)據(jù)挖掘分析一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

【摘要】煤炭資源是我國的重要能源，煤礦安全生產(chǎn)對我國國民經(jīng)濟(jì)的發(fā)展有著很大的促進(jìn)作用。大數(shù)據(jù)技術(shù)是繼云計算、物聯(lián)網(wǎng)等技術(shù)之后又一重大的技術(shù)革命。本文首先對煤礦安全監(jiān)測系統(tǒng)獲取的海量的煤礦安全隱患參數(shù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后構(gòu)建數(shù)據(jù)倉庫進(jìn)行存儲，最后利用Apriori算法對標(biāo)準(zhǔn)化處理的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，得出了煤礦安全生產(chǎn)有關(guān)的有用信息，從而為煤礦安全生產(chǎn)提供指導(dǎo)。

【關(guān)鍵詞】煤礦；大數(shù)據(jù)；標(biāo)準(zhǔn)化處理；Apriori算法；數(shù)據(jù)挖掘

煤炭資源是我國重要的生產(chǎn)能源以及戰(zhàn)略儲備資源，對我國國民經(jīng)濟(jì)的發(fā)展和工農(nóng)業(yè)生產(chǎn)意義深遠(yuǎn)。我國是一個煤炭大國，擁有豐富的煤炭資源，在我國所有的能源消耗里面，煤炭也占有很高的比重，其中，20世紀(jì)50年代的比重曾高達(dá)90%。煤炭產(chǎn)業(yè)對于我們國家的穩(wěn)定和發(fā)展有著不可替代的作用。即使在現(xiàn)今倡導(dǎo)新能源使用的大環(huán)境下，我國的煤炭能源占比任然高達(dá)60%。因此，煤炭行業(yè)能否安全穩(wěn)定發(fā)展將直接關(guān)系到我國的能源戰(zhàn)略和經(jīng)濟(jì)的可持續(xù)發(fā)展[1]。煤礦生產(chǎn)過程中會出現(xiàn)很多的安全隱患，近幾年來，學(xué)術(shù)界開始出現(xiàn)通過數(shù)據(jù)挖掘方法對煤礦安全隱患數(shù)據(jù)進(jìn)行挖掘，進(jìn)而獲取有用信息的研究。但是由于從煤礦安全隱患監(jiān)控系統(tǒng)獲取的數(shù)據(jù)大都是半結(jié)構(gòu)化的數(shù)據(jù)，人們不能直接對這些數(shù)據(jù)進(jìn)行挖掘，必須要進(jìn)行前期的處理以后才可以挖掘，而這些工作又可能帶來挖掘上的誤差，這使得人們只能通過研究一小部分?jǐn)?shù)據(jù)獲取比較有限的潛在信息資源，而針對海量煤礦安全隱患參數(shù)信息的研究工作還很少有人涉獵。大數(shù)據(jù)技術(shù)是繼云計算、物聯(lián)網(wǎng)等技術(shù)之后又一重大的技術(shù)革命。大數(shù)據(jù)技術(shù)是指通過使用單片機傳感器、視頻監(jiān)測系統(tǒng)、以及數(shù)據(jù)處理軟件等捕獲數(shù)據(jù)的技術(shù)。大數(shù)據(jù)具有存儲數(shù)據(jù)量巨大、數(shù)據(jù)處理超快、數(shù)據(jù)類別繁多、數(shù)據(jù)真實性需要進(jìn)一步處理才能獲取、數(shù)據(jù)有效價值密度低等5V的特點。大數(shù)據(jù)技術(shù)已經(jīng)滲透到人們?nèi)粘Ｉ詈蜕a(chǎn)的各個環(huán)節(jié)，成為不可或缺的生產(chǎn)要素。本文結(jié)合大數(shù)據(jù)技術(shù)，通過對煤礦安全生產(chǎn)中存儲的海量不規(guī)則的數(shù)據(jù)進(jìn)行數(shù)據(jù)獲取、數(shù)據(jù)標(biāo)準(zhǔn)化處理、數(shù)據(jù)挖掘等過程，獲取煤礦安全生產(chǎn)過程中數(shù)據(jù)的有用信息，指導(dǎo)煤礦安全生產(chǎn)工作。

一、數(shù)據(jù)獲取

本文以石板橋煤礦2015年12月-2016年12月的煤礦安全隱患監(jiān)測數(shù)據(jù)作為研究對象，通過自動或手動的方式獲取了瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度等煤礦安全隱患參數(shù)信息。

二、數(shù)據(jù)標(biāo)準(zhǔn)化處理

本文將瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度分別用字母C、P、V、T、D來表示，將瓦斯量分為（0-0.16），（0.16-0.31），（0.31-∞）三組，對應(yīng)的字母分別為C1、C2、C3；將瓦斯壓力分為（0-10），（10-17），（17-∞）三組，對應(yīng)的字母分別為P1、P2、P3；將通風(fēng)量分為（0-1100），（1100-1250），（1250-∞）三組，對應(yīng)的字母分別為V1、V2、V3；將溫度分為（0-20），（20-30），（30-∞）三組，對應(yīng)的字母分別為T1、T2、T3；將礦井深度分為（0-300），（300-350），（350-∞）三組，對應(yīng)的字母分別為D1、D2、D3。根據(jù)瓦斯?jié)舛鹊闹档那闆r可以將其分為(0-0.15)，(0.15-0.33)，(0.33-)三組，對應(yīng)的標(biāo)志分別為：Q1，Q2，Q3；根據(jù)瓦斯壓力的值的情況可以將其分為(0-7)，(7-18)，(18-)三組，對應(yīng)的標(biāo)志分別為：R1，R2，R3；根據(jù)通風(fēng)量的值的情況可以將其分為(0-1200)，(1200-1300)，(1300-)三組，對應(yīng)的標(biāo)志分別為：S1，S2，S3；根據(jù)溫度的值的情況可以將其分為(-11)，(11-15)，(15-)三組，對應(yīng)的標(biāo)志分別為：T1，T2，T3；根據(jù)煤層厚度的值的情況可以將其分為(0-4)，(4-7)，(7-)三組，對應(yīng)的標(biāo)志分別為：U1，U2，U3。

三、數(shù)據(jù)挖掘

存儲在數(shù)據(jù)倉庫中的數(shù)據(jù)蘊含有豐富的有用信息，這些信息必須進(jìn)行專業(yè)的數(shù)據(jù)挖掘處理才能獲取，本文采用關(guān)聯(lián)算法對數(shù)據(jù)倉庫中海量的數(shù)據(jù)進(jìn)行挖掘。（一）Apriori關(guān)聯(lián)算法簡介。Apriori算法的原理是通過逐層迭代的方法來產(chǎn)生候選項集合，然后通過生成的頻繁k-項集查詢候選（k+1）-項集，這種算法每一次都需要對數(shù)據(jù)倉庫進(jìn)行重新掃描，最終挖掘出數(shù)據(jù)倉庫中所有滿足條件的頻繁項集。（二）Apriori算法實施環(huán)境。硬件環(huán)境：處理器為酷睿i7，內(nèi)存為4G，硬盤為500G。軟件環(huán)境：SQLServer2008+VisualStudio2010。算法運行環(huán)境為jre1.6.0_39，Tomcat6.0。（三）Apriori算法運行流程。通過使用Apriori算法對煤礦安全隱患參數(shù)信息進(jìn)行數(shù)據(jù)挖掘的關(guān)鍵因素是獲取極大頻繁項集。首先通過使用web瀏覽器登錄煤礦安全隱患數(shù)據(jù)管理系統(tǒng)，打開關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘界面，并進(jìn)行如下的操作：（1）設(shè)定需要挖掘的煤礦安全隱患參數(shù)信息，主要包括瓦斯量、瓦斯壓力、通風(fēng)量、溫度以及礦井深度。（2）輸入最小支持度：最小支持度的數(shù)值應(yīng)該在0-1之間。（3）設(shè)置最小置信度：最小置信度的數(shù)值應(yīng)該在0-1之間。（4）運行挖掘算法程序，通過數(shù)據(jù)庫關(guān)聯(lián)代（下轉(zhuǎn)第68頁）學(xué)活動設(shè)計時，就應(yīng)預(yù)見此類情況，對于沒有及時響應(yīng)的教學(xué)活動，設(shè)置響應(yīng)時間閾值，建立及時響應(yīng)保障策略。2、促進(jìn)深度學(xué)習(xí)，提倡個性化學(xué)習(xí)。一方面，網(wǎng)絡(luò)教學(xué)的學(xué)習(xí)者在對課程的知識儲備、接受能力和學(xué)習(xí)時間分配等方面存在差異，缺少個性化設(shè)計已成為網(wǎng)絡(luò)教學(xué)發(fā)展的一個瓶頸。為此，在課程設(shè)計過程中，就要有意識地考慮教學(xué)對象的差異性，將個性化設(shè)計的理念融入到整體課程設(shè)計中，個性化的學(xué)習(xí)活動可看做整個課程設(shè)計的子集，并隨著教學(xué)的逐步深入和學(xué)生能力的提高以及學(xué)習(xí)狀態(tài)的變化，在不同個性化子集之間轉(zhuǎn)換。個性化的學(xué)習(xí)方案還必須能夠與標(biāo)準(zhǔn)配置的教學(xué)活動設(shè)計無縫對接，以避免因過分強調(diào)個性化而偏離了網(wǎng)絡(luò)教學(xué)的正常軌道。另一方面，與傳統(tǒng)教學(xué)相比，網(wǎng)絡(luò)教學(xué)活動缺乏靈活性，尤其在開發(fā)深度學(xué)習(xí)方面還存在空白。在“互聯(lián)網(wǎng)+”的時代，同商業(yè)領(lǐng)域的應(yīng)用相似，在網(wǎng)絡(luò)教學(xué)中也可以利用大量的學(xué)習(xí)行為數(shù)據(jù)分析學(xué)習(xí)者的需求，按照分析結(jié)果中[4]所顯示的學(xué)習(xí)者的學(xué)習(xí)習(xí)慣、學(xué)習(xí)能力以及對課程知識點的掌握程度，自動過濾或重復(fù)某些碎片化學(xué)習(xí)活動，從而提高學(xué)習(xí)效率和保證學(xué)習(xí)質(zhì)量。3、挖掘教學(xué)活動的可追溯性，構(gòu)建網(wǎng)絡(luò)教學(xué)的增量發(fā)展模式。網(wǎng)絡(luò)教學(xué)資源的復(fù)用性遠(yuǎn)遠(yuǎn)低于傳統(tǒng)教學(xué)，教師在網(wǎng)絡(luò)課程設(shè)計時通常有一種慣性思維，按照正常教學(xué)計劃進(jìn)行設(shè)計之后，教學(xué)活動呈現(xiàn)出不可逆性。但隨著課程教學(xué)的深入，學(xué)習(xí)者對教學(xué)資源必定會有新的認(rèn)識，同樣的教學(xué)活動也會帶來不同的效果。根據(jù)學(xué)習(xí)內(nèi)容的難易程度，適時回溯到上階段的教學(xué)活動，轉(zhuǎn)換角度或提高活動難度，制定增量式的階段性學(xué)習(xí)目標(biāo)，不僅提高教學(xué)資源的復(fù)用性，也可激發(fā)社會心理學(xué)中的間歇效應(yīng)，即當(dāng)停止一段時間后，再繼續(xù)，對它的學(xué)習(xí)興趣反而會恢復(fù)正常甚至比之前有所提高，在掌握知識的深度和廣度上有一個螺旋式的上升。

針對智慧教育過程中產(chǎn)生的海量數(shù)據(jù)進(jìn)行分析，與挖掘，可以構(gòu)建各種評價模型，以便對智慧教育的質(zhì)量進(jìn)行檢測與管理，為學(xué)校和教師的教學(xué)提供參考[5]，完整、準(zhǔn)確的評估學(xué)生的學(xué)業(yè)狀況和教師的授業(yè)情況，及時發(fā)現(xiàn)教學(xué)過程中潛在存在的問題，保障教學(xué)質(zhì)量。通過開展該領(lǐng)域的研究工作，將會有力帶動和加快信息共享綜合治理的步伐，突破現(xiàn)有的數(shù)據(jù)壁壘，避免不必要的資源浪費，積極推動生態(tài)環(huán)境的良性發(fā)展[6]。

參考文獻(xiàn)

［1］張慶堂;曹偉,學(xué)習(xí)者和管理者視角下現(xiàn)代遠(yuǎn)程教育服務(wù)質(zhì)量評價體系研究［J］.中國遠(yuǎn)程教育2016(10),44-50

［2］牛擁;馮奕兢.教育信息化新階段教育技術(shù)中心發(fā)展路徑探析［J］.實驗室研究與探索.2017(9).229-232

［3］李彤彤;武法提.給養(yǎng)視域下網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的生存結(jié)構(gòu)新解［J］.電化教育研究2016(11):51-58

［4］張浩;吳秀娟;王靜.深度學(xué)習(xí)的目標(biāo)及評價體系構(gòu)建［J］.中國電化教育.2014(7):52-55

［5］黃華興;袁藝標(biāo);劉力嘉;楊海源;沈歷宗;夏添松;秦超;葉俊;王水.E-learning網(wǎng)絡(luò)平臺的構(gòu)建及應(yīng)用效果分析［J］.實驗室研究與探索.2017(2):200-203

［6］羅曉東戴慶偉尹立孟陳玉華張麗萍喻祖建蔣月月.互聯(lián)網(wǎng)+實踐教學(xué)模式探討［J］.實驗室研究與探索.2018(1).218-222

作者:孫國營 單位:六盤水師范學(xué)院數(shù)學(xué)與信息工程學(xué)院