收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

矿区煤质与选煤信息标准化及数据挖掘研究

王章国  
【摘要】: 随着信息技术的迅速发展和信息社会的来临,煤炭企业越来越重视信息化建设,并取得了丰硕的成果,对提高企业工作效率和管理水平起到了积极促进作用。但是,在信息化过程中也发现了一些不足和问题,导致信息化项目达不到预期的目标和效果。主要表现在两个方面,一方面是各种信息系统彼此之间不能或很难共享数据,产生了大量的“数据孤岛”;另一方面是目前在各个信息系统里面存储着大量的业务数据,但是真正对管理者有用的信息却很少,数据利用率和利用层次很低。 针对煤炭企业信息化建设中存在的第一方面的问题,论文以煤质与选煤部门业务为信息化对象,研究了矿区煤质与选煤信息标准化问题。在总结矿区煤质与选煤信息系统开发和推广过程中的经验,并借鉴其它领域的信息标准化研究成果的基础上,建立了矿区煤质与选煤信息标准化体系,明确了体系的结构、具体内容、对其他相关标准的引用内容,以及标准体系部署应用的方法,为相关信息化建设提供了参考依据。 信息标准化体系由总体标准、应用标准、信息资源标准、网络基础设施标准、信息安全标准和管理标准六个标准化分体系组成。总体标准分体系中包括总则和术语,术语中的基础术语、专业术语和信息技术术语都尽量采用已有的相关标准;应用标准分体系包括报表和业务文件格式标准、信息文档标准、业务流程标准和应用系统标准;信息资源标准分体系用于规范煤质与选煤信息系统中的数据,以实现跨平台、跨系统的信息资源共享,包括数据元、元数据、信息分类与编码、数据采集、数据库和信息交换标准;网络基础设施标准分体系、信息安全标准分体系和管理标准分体系分别给出硬件、安全和管理方面的标准。 论文以开发矿区煤质与选煤信息系统为例,介绍了如何充分贯彻信息标准化体系的要求。通过分析当前煤炭集团公司所属的煤质与选煤业务流程、内容与相互间的关系,应用系统论的思想,把矿区煤质与选煤信息系统分为集团公司级子系统和矿(厂)级子系统,分别处理不同的业务。为提高系统的通用性和广泛适应性,根据标准化的要求,把煤质和选煤相关业务细化为不可再分的最小业务单位,并开发相应的程序模块。在面向不同企业的煤质与选煤业务需求时,可以根据要求进行程序模块组合,以适应不同需要,减少信息系统的重复开发。 针对煤炭企业信息化建设中存在的第二方面的问题,论文提出了利用数据挖掘技术提高信息系统数据的利用率和利用层次,为技术人员和管理人员提供更多的有价值信息和知识。 论文采用支持向量机分类算法进行选煤生产情况异常判断。通过线性相关性分析,从煤质与选煤数据库中选择原煤灰分、原煤快浮-1.45 g ? cm?3密度级的灰分与产率、精煤灰分、精煤实际产率等5个指标作为评判生产情况是否异常的支持数据,并对其进行了数据预处理,以满足支持向量机算法的要求。从数据库中抽取116条有代表性的正常和异常生产情况数据作为训练和测试数据,对支持向量机模型进行训练,得到4个支持向量来构建分类模型。测试结果表明,SVM判定生产异常情况的准确率为95.65%,综合判定准确率为97.83%,可以对SVM模型进行部署应用。 根据选煤理论并利用数据挖掘思想和方法,进行了重介分选过程工艺参数在线预测的知识挖掘,构建原煤密度组成实时预测模型,对来源和煤质都较为稳定的入洗原煤,利用在线灰分实时预测其密度组成,并通过拟合可选性曲线,预测精煤理论产率和理论分选密度。建立生产指标实时预测模型,根据实时预测得到的入选原煤的密度组成和实时分配曲线,预测出实际分选密度。应用0.618优选法给出求解预测分选密度的步骤,并预测出精煤产率。对在线测灰仪灰分的影响因素进行了分析,提出了用最近10min的平均值取代瞬时值,代表原煤的真实煤质的方法。论文研究了一整套重介分选过程工艺参数在线预测的算法,并总结了适用于选煤领域的数据挖掘方法。 论文利用数据挖掘思想研究了对重选效果进行快速评定的方法。首先是建立了洗选入料和选后产品密度组成的快速预测模型。用快速浮沉数据对最近一次月综合浮沉数据进行密度级产率校正,用校正后的浮沉产率近似代表物料的密度组成情况。通过预测原煤密度组成,并绘制可选性曲线,计算精煤理论产率和数量效率。建立了重选效果快速评定模型,利用预测的洗选入料和选后产品的密度组成数据计算分配率,最终计算得到错配物总量和可能偏差或不完善度,达到对重选效果进行快速评定的目标。论文选取31个生产班次入洗原煤快浮数据和快灰数据,用快浮数据对月综合浮沉数据进行校正,用校正后的数据计算累计灰分,并把此灰分与对应时间的原煤快灰数据对比,结果显示,其算术平均差值为0.53,绝对平均差值为1.50,误差相对较小,此物料密度组成的快速预测模型可以使用。 论文研究了用粒子群算法进行可选性曲线和分配曲线的拟合参数的寻优算法,此法不需要输入初始参数值,只需输入参数取值空间即可,简便易行。由于现有拟合模型在一些特殊情况下拟合效果不佳,因此经大量数据拟合试验,从S形增长函数中新发现5种可用于可选性曲线和分配曲线拟合的函数。论文用同一分配率数据验证新提出的5种拟合模型,并用PSO算法来进行曲线拟合的参数寻优,结果表明在特殊情况下,新提出的拟合模型较现有的模型的拟合效果更好。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 赵志坤;李义杰;;基于粗糙集的分类规则挖掘的研究[J];矿业研究与开发;2006年02期
2 方忠祥;屠航;;基于关联规则的服装销售演示系统设计[J];广西轻工业;2007年05期
3 文晖;;基于SSAS的数据挖掘方案的构建[J];兰州石化职业技术学院学报;2007年03期
4 郭跃斌;翟延富;董祥军;;序列模式的关联规则在彩票分析中的应用研究[J];山东轻工业学院学报(自然科学版);2008年01期
5 费玲玲;张震林;;关联规则挖掘及其在课堂教学评价中的应用[J];成都纺织高等专科学校学报;2009年02期
6 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年01期
7 岳嵘;数据挖掘技术在矿业系统工程中的应用[J];中国矿业;2003年03期
8 邹岚;;基于数据挖掘的远程教育智能答疑系统的设计[J];大连轻工业学院学报;2005年04期
9 王爱霞;;一种模糊关联规则算法[J];武汉工业学院学报;2006年03期
10 何煦春;胡乃联;李国清;;基于数据仓库的矿山企业决策支持系统研究[J];中国矿业;2007年04期
11 康健;;一种某高校网络用户上网形式的数据挖掘方法[J];安徽理工大学学报(自然科学版);2008年03期
12 李兰兰;;搜索引擎个性化信息查询服务[J];武汉科技学院学报;2009年01期
13 李华锋;吴友蓉;;数据挖掘中的预处理技术研究[J];成都纺织高等专科学校学报;2010年02期
14 范晓燕;黄永锋;丛静;潘乔;;基于Web的新生儿可视化数据挖掘分析系统[J];东华大学学报(自然科学版);2010年03期
15 曲萍;;基于改进的自组织特征映射异常数据挖掘算法分析[J];煤炭技术;2010年07期
16 褚丽莉;;基于Java的搜索引擎技术在Web信息挖掘中的应用[J];辽宁工程技术大学学报(自然科学版);2010年05期
17 薛小锋;;数据流挖掘的关键问题研究[J];煤炭技术;2010年12期
18 刘振名;赵可新;刘振亮;;多维数量关联规则聚类挖掘研究[J];煤炭技术;2011年06期
19 李晓瑞,李旻昕,蔺洪利;关联规则挖掘在保险公司客户信息管理中的应用[J];鞍山钢铁学院学报;2002年06期
20 葛淑杰,徐明刚;集中供热管理数据挖掘系统[J];黑龙江科技学院学报;2004年06期
中国重要会议论文全文数据库 前10条
1 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
2 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
3 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年
4 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
5 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年
6 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
7 朱扬勇;黄超;;基于多维模型的交互式数据挖掘框架[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
8 陈涛;胡学钢;陈秀美;;基于数据挖掘的教学质量评价体系分析[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 王星;谢邦昌;戴稳胜;;数据挖掘在保险业中的应用[A];北京市第十二次统计科学讨论会论文选编[C];2003年
10 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病阴阳类证辨证规范的数据挖掘研究[A];2010中国医师协会中西医结合医师大会摘要集[C];2010年
中国博士学位论文全文数据库 前10条
1 王章国;矿区煤质与选煤信息标准化及数据挖掘研究[D];中国矿业大学;2010年
2 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
3 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
4 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
5 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
6 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
7 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
8 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
9 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
10 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
中国硕士学位论文全文数据库 前10条
1 廖赛恩;养生方数据挖掘分析系统的研制[D];湖南中医药大学;2010年
2 李坤然;数据挖掘在股市趋势预测的应用研究[D];中南林业科技大学;2008年
3 郑宏;数据挖掘可视化技术的研究与实现[D];西安电子科技大学;2010年
4 杜金刚;数据挖掘在电信客户关系管理及数据业务营销中的应用[D];北京邮电大学;2010年
5 徐路;基于决策树的数据挖掘算法的研究及其在实际中的应用[D];电子科技大学;2009年
6 梁小鸥;数据挖掘在高职教学管理中的应用[D];华南理工大学;2011年
7 王浩;数据挖掘在上海市职业能力考试院招录考试优化管理项目中的运用研究[D];华东理工大学;2012年
8 黎卫英;数据挖掘在中职幼教课程改革中的应用[D];福建师范大学;2009年
9 张煜辉;数据挖掘和SPC在生产过程质量控制中应用研究[D];上海交通大学;2009年
10 刘华敏;数据挖掘在高职院校学生成绩分析中的应用[D];安徽大学;2011年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978