基于煤礦預(yù)警監(jiān)測(cè)的數(shù)據(jù)挖掘算法應(yīng)用研究

張 丁

(1.太原理工大學(xué)，山西 太原 030001；2.中國(guó)太原煤炭交易中心有限公司，山西 太原 030024)

0 引言

煤炭企業(yè)生產(chǎn)工作環(huán)境區(qū)域狹隘，照明情況差，存在易燃易爆氣體等固有的特點(diǎn)決定了其高危行業(yè)的屬性。隨著技術(shù)的不斷發(fā)展，大部分煤礦陸續(xù)部署實(shí)時(shí)監(jiān)控的安全監(jiān)控系統(tǒng)，但各系統(tǒng)之間缺乏對(duì)整體的有效管控，導(dǎo)致大量安全隱患數(shù)據(jù)激增，難以通過(guò)科學(xué)方法對(duì)安全生產(chǎn)環(huán)境進(jìn)行預(yù)警監(jiān)測(cè)。為了更好地進(jìn)行生產(chǎn)過(guò)程監(jiān)測(cè)與管理決策，對(duì)隱患數(shù)據(jù)的發(fā)掘提出了新的要求。數(shù)據(jù)挖掘技術(shù)通過(guò)對(duì)各類隱患數(shù)據(jù)的收集處理、預(yù)測(cè)分析，可以很好地跨越限制[1]。本文通過(guò)對(duì)煤礦生產(chǎn)過(guò)程中的隱患數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)，采用關(guān)聯(lián)規(guī)則算法進(jìn)行數(shù)據(jù)挖掘分析預(yù)測(cè)，實(shí)現(xiàn)對(duì)煤礦生產(chǎn)的安全預(yù)警，起到對(duì)生產(chǎn)安全事故的預(yù)防和指導(dǎo)作用。

煤礦生產(chǎn)是一個(gè)動(dòng)態(tài)復(fù)雜的過(guò)程，涉及到隱患數(shù)據(jù)眾多，預(yù)警監(jiān)測(cè)數(shù)據(jù)挖掘模型分為數(shù)據(jù)采集與重構(gòu)、關(guān)聯(lián)算法挖掘及預(yù)測(cè)分析3大模塊。

1 數(shù)據(jù)準(zhǔn)備

1.1 數(shù)據(jù)采集與重構(gòu)

數(shù)據(jù)準(zhǔn)備工作是關(guān)系到數(shù)據(jù)挖掘成功與否的重要步驟，占據(jù)整個(gè)數(shù)據(jù)挖掘工作超過(guò)60%的工作量[2]。由于各監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)格式等無(wú)法滿足需要，將所有與業(yè)務(wù)系統(tǒng)相關(guān)的原始數(shù)據(jù)進(jìn)行收集，錄入到滿足數(shù)據(jù)挖掘要求的數(shù)據(jù)庫(kù)中。

本文主要針對(duì)煤礦安全生產(chǎn)過(guò)程中的隱患數(shù)據(jù)進(jìn)行挖掘。為提高開(kāi)發(fā)效率，縮短開(kāi)發(fā)周期，使用SQL Server 2008數(shù)據(jù)庫(kù)管理工具，對(duì)不同數(shù)據(jù)源進(jìn)行數(shù)據(jù)轉(zhuǎn)換處理，導(dǎo)入生成隱患參數(shù)數(shù)據(jù)庫(kù)，使用OLAP提供的應(yīng)用接口進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)分析，提取關(guān)聯(lián)規(guī)則，預(yù)測(cè)分析，為用戶提供決策支持服務(wù)。使用的開(kāi)發(fā)工具及其作用，見(jiàn)表1。

表1 數(shù)據(jù)庫(kù)開(kāi)發(fā)工具及作用

生成的隱患數(shù)據(jù)庫(kù)包含：瓦斯?jié)舛?、瓦斯壓力、溫度、通風(fēng)量、煤層厚度等。

1.2 數(shù)據(jù)預(yù)處理

經(jīng)過(guò)重構(gòu)的數(shù)據(jù)大多數(shù)存在噪聲，包含空值及不一致數(shù)據(jù)，為保證數(shù)據(jù)挖掘算法效率，提高關(guān)聯(lián)規(guī)則的有效性，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。例如，清洗與挖掘關(guān)聯(lián)規(guī)則無(wú)關(guān)的數(shù)據(jù)采集人等冗余屬性，刪除孤立數(shù)據(jù)，可以有效地降低數(shù)據(jù)復(fù)雜度。將數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘作為預(yù)測(cè)分析結(jié)果，以瓦斯?jié)舛葦?shù)據(jù)為例，將瓦斯?jié)舛取⑼L(fēng)量、溫度、煤層厚度等處理形成部分?jǐn)?shù)據(jù)表，如表2。

表2 隱患數(shù)據(jù)表

2 Apriori關(guān)聯(lián)規(guī)則挖掘算法

2.1 數(shù)據(jù)挖掘的相關(guān)概念

關(guān)聯(lián)規(guī)則算法是從事務(wù)數(shù)據(jù)庫(kù)的大量隨機(jī)、模糊的數(shù)據(jù)中，通過(guò)數(shù)據(jù)提取挖掘出數(shù)據(jù)之間的關(guān)聯(lián)性及依賴性，發(fā)現(xiàn)對(duì)分析結(jié)果有價(jià)值的知識(shí)，可描述如下：

設(shè)I={i1,i2，…，im}是由m個(gè)不同的數(shù)據(jù)項(xiàng)組成的集合。設(shè)D是在I上的事務(wù)集合，它由各個(gè)事務(wù)所組成，記為D={t1,t2,...,tn},其中ti(i=1,2,...,n)是單個(gè)事務(wù)，ti都對(duì)應(yīng)I上的一個(gè)集合Iti,它是I的一個(gè)子集，即Iti?I，有一個(gè)唯一的標(biāo)識(shí)符TID。若項(xiàng)集X?I且X?T，則事務(wù)T包含項(xiàng)集X[2]。

關(guān)聯(lián)規(guī)則就是形如：X?Y[support=s%,confidence=c%]的規(guī)則[3]，其中X和Y都是項(xiàng)的集合且X?I,Y?I,X∩Y=φ。support=s%表示規(guī)則的支持度為s%，即事務(wù)數(shù)據(jù)庫(kù)D中有s%的事物包含X和Y；confidence=c%則表示規(guī)則的置信度為c%，即事務(wù)數(shù)據(jù)庫(kù)D中包含X的事務(wù)中有c%的事務(wù)也包含了Y。

頻繁數(shù)據(jù)項(xiàng)集：假設(shè)用戶設(shè)定最小支持度為min_support，稱min_support為支持度閾值，其中對(duì)于支持度大于支持度閾值的項(xiàng)集，我們稱之為頻繁項(xiàng)集，也叫大項(xiàng)目集。

強(qiáng)關(guān)聯(lián)規(guī)則：對(duì)于事務(wù)集合D，強(qiáng)關(guān)聯(lián)規(guī)則是指滿足不小于最小支持度min_support，且不小于最小置信度min_confidence的頻繁數(shù)據(jù)項(xiàng)集。此時(shí)，關(guān)聯(lián)規(guī)則X?Y被稱為強(qiáng)關(guān)聯(lián)規(guī)則。

2.2 關(guān)聯(lián)規(guī)則算法挖掘步驟

對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘的首要任務(wù)是給出最小支持度和最小置信度閾值。主要分為兩個(gè)步驟：1) 依據(jù)最小支持度，產(chǎn)生頻繁項(xiàng)集；2) 由步驟1) 頻繁項(xiàng)集和最小置信度確定生成強(qiáng)關(guān)聯(lián)規(guī)則。示意圖如圖1。

圖1 關(guān)聯(lián)規(guī)則挖掘算法模型

關(guān)聯(lián)規(guī)則挖掘的一種經(jīng)典算法為R.AGRAWAL等人提出的Apriori算法，其核心思想為：遞歸掃描事務(wù)數(shù)據(jù)庫(kù)D，直至生成全部頻繁項(xiàng)集，找到滿足設(shè)定條件的關(guān)聯(lián)規(guī)則。步驟如下：

1) 掃描事務(wù)數(shù)據(jù)庫(kù)全部數(shù)據(jù)，得到1-項(xiàng)集合C1；

2) 依據(jù)給定支持度閾值min_support，由1-項(xiàng)集合C1得出頻繁1-項(xiàng)集合K1；

3)i>1時(shí)，重復(fù)步驟4-6；

4) 對(duì)得到的Ki集合進(jìn)行連接剪枝，得到(i+1)-項(xiàng)集合Ci+1；

5) 依據(jù)給定支持度閾值min_support，由(i+1)-項(xiàng)集合Ci+1得出頻繁(i+1)-項(xiàng)集合Ki+1；

6) 如果集合K≠?，i=i+1，轉(zhuǎn)到步驟4，如果K=?，則轉(zhuǎn)到步驟7；

7) 依據(jù)給定的置信度閾值min_confidence，得到滿足條件的頻繁集則為關(guān)聯(lián)規(guī)則，算法結(jié)束。

3 挖掘結(jié)果預(yù)測(cè)分析

本文采用Apriori算法挖掘數(shù)據(jù)關(guān)聯(lián)規(guī)則，例如針對(duì)瓦斯?jié)舛葦?shù)據(jù)表中的所有的相關(guān)屬性進(jìn)行關(guān)聯(lián)規(guī)則挖掘，而不僅僅局限于某一個(gè)特定屬性。而Apriori算法需要處理量化后的離散值，所以需要首先對(duì)數(shù)據(jù)離散化，得到不同的分布區(qū)間。設(shè)定瓦斯?jié)舛鹊念愋蜆?biāo)號(hào)為Q、瓦斯壓力為R、通風(fēng)量為S、溫度為T(mén)及煤層厚度為U。我們依據(jù)數(shù)據(jù)表中屬性值的情況得到：瓦斯?jié)舛鹊姆植紖^(qū)間為Q1:[0-0.16]，Q2:(0.16-0.30]，Q3:(0.30-～]；瓦斯壓力的分布區(qū)間為R1:[0-7]，R2:(8-16]，R3:(16-～]；通風(fēng)量的分布區(qū)間為S1:[0-1200]，S2:(1200-1300]，S3:(1300-～]；溫度的分布區(qū)間為T(mén)1:[～-11]，T2:(11-15]，T3:(15-～]；煤層厚度的分布區(qū)間為U1:[0-4]，U2:(4-7]，U3:(7-～]。離散化的數(shù)據(jù)表分布如表3。

表3 離散化隱患數(shù)據(jù)表

我們?cè)O(shè)定最小支持度閾值min_support=0.45，最小置信度閾值min_confidence=0.75，使用Apriori算法對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，得到部分關(guān)聯(lián)規(guī)則如下：

(1)S1?Q3；(2)Q3?R3；(3)T1?R1；

將對(duì)應(yīng)的區(qū)間類型標(biāo)號(hào)對(duì)應(yīng)數(shù)據(jù)區(qū)間，則關(guān)聯(lián)規(guī)則(1)的實(shí)際含義為：煤礦中通風(fēng)量等級(jí)越低，則礦道內(nèi)瓦斯?jié)舛鹊燃?jí)越高；關(guān)聯(lián)規(guī)則(2)的實(shí)際含義為：礦道中瓦斯?jié)舛鹊燃?jí)越高，則瓦斯壓力等級(jí)也越高；關(guān)聯(lián)規(guī)則(3)的實(shí)際含義為：礦道中溫度等級(jí)越低，則瓦斯壓力等級(jí)也越低。

根據(jù)得到的部分關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)煤礦生產(chǎn)過(guò)程的隱患數(shù)據(jù)之間的數(shù)據(jù)關(guān)聯(lián)與實(shí)際生產(chǎn)的客觀事實(shí)相吻合。所以，我們利用得到的關(guān)聯(lián)規(guī)則，可以很好地對(duì)生產(chǎn)過(guò)程進(jìn)行防范，從而降低生產(chǎn)事故的發(fā)生幾率。

4 結(jié)束語(yǔ)

本文以煤礦生產(chǎn)過(guò)程隱患數(shù)據(jù)的監(jiān)測(cè)預(yù)警為背景，針對(duì)數(shù)據(jù)種類繁多、復(fù)雜，數(shù)據(jù)量大的特點(diǎn)，構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，提出了采用Apriori數(shù)據(jù)挖掘算法進(jìn)行數(shù)據(jù)之間關(guān)聯(lián)規(guī)則挖掘，得到的關(guān)聯(lián)規(guī)則為實(shí)際生產(chǎn)提供了較好的參考意義，有效地降低了煤礦安全事故的發(fā)生幾率。采用傳統(tǒng)的Apriori算法復(fù)雜度較高，存在較大的優(yōu)化空間，如何降低算法復(fù)雜度，取得更好地關(guān)聯(lián)規(guī)則挖掘效率是在此基礎(chǔ)上，下一步研究的方向。