计算机安全监测技术中,数据挖掘技术在煤矿计算机安全监测中的应用

[摘 要] 随着我国工业信息化进程的加快，煤矿工业的信息化建设也得到了较快的发展，计算机技术、信息技术等现代技术在煤矿管理中的应用越加广泛，煤矿管理信息化的推进和煤矿规模的不断扩大，使得信息管理系统在运行中产生了大量的数据，这些海量的信息背后往往隐藏着对煤矿管理有着重要价值的知识、规律，对这些隐藏知识规律的挖掘有助于提高煤矿管理者的经营决策水平，促进煤矿发展。本文重点探究数据挖掘技术在煤矿计算机安全监测中的应用。

[关键词] 数据挖掘； 煤矿； 计算机综合管理系统

数据挖掘技术是一种基于数据库、模式识别、人工智能等多种技术，通过统计、机器学习、在线分析处理等方法来从数据库大量的数据中自动搜索出数据背后隐藏的有潜在价值的信息的技术，在煤矿计算机综合管理系统中可有效地弥补当前系统中的数据库系统只能提供数据的存储、查询等一些简单的操作，难以发现数据中蕴含的有价值信息的缺陷，提高了煤矿检测系统的安全可靠性，也进一步提升了煤矿管理水平。

一、数据挖掘技术

数据挖掘(Data Mining)也称为数据库中知识发现(Knowledge Discovery from Database，KDD)，其发展一个逐渐演变的过程，是将有噪声的、大量的、随机的、模糊的、不完全的实际应用在数据中，并提取其中隐含的部分、以及人们事先不知道的，但是又具有潜在有用的信息和知识的过程。数据挖掘属于一门交叉学科，它能够将人们对数据的应用，从低层次中简单的查询提升到从数据中挖掘知识，进而支持政策。

数据挖掘涉及包括数据统计、人工智能、数据库、可视化等在内的多个领域，作为一种新的信息处理技术，能够从中抽取辅助决策的关键性数据。数据挖掘系统一般有数据源、数据挖掘器和用户界面三层结构组成。

二、数据挖掘技术的常用方法

数据挖掘是指数据的管理技术，它以固定的数据库为基础，从数据库中进行信息的提取。数据挖掘可以从这些复杂的、无序的数据中找到隐藏着的，但对企业煤矿开采有用的潜在的信息。不过数据挖掘所提取的这些信息是以固定的模式、规律、概念、规则等形式表现出来的。这些信息可以预测发展的趋势，对煤矿安全监测非常重要。

遗传算法，这种方法是基于遗传机理和生物自然的随机搜索算法。通过数据挖掘，能够从大量的数据中提取人们感兴趣的知识，而这些知识无疑都是潜在的、隐含的、事先未知的有用信息。因此，对于许多数据挖掘问题中，我们可以将其看成为搜索问题，将数据库或者数据仓库作为搜索空间，这就是挖掘算法的搜索策略。通过遗传算法在数据库中进行搜索，并将其中随机产生的一组规则进行进化，如果这组数据规则能够被覆盖，这样就能够挖掘出其中隐含在数据库中的规则。

决策树方法的主要优点是描述的比较简单，比较容易理解，而且具有较高的精度，分类的速度也比较快，这比较适合大规模的数据处理，能够广泛应用在知识系统中。但是也有其缺点，就是很难在多个变量组合中发现规则。在数据挖掘的过程中，决策树方法主要是对数据进行分类。

粗糙集方法包含的粗糙集理论是一种数学工具，具有研究不确定、不精确知识的特点。它的处理对象类似于二维关系表的信息表。在新发展起来的数据仓库管理系统和成熟的关系数据库管理系统中，粗糙集是一个重要的基础。粗糙集理论能够在缺少先验知识的条件下，对数据进行分类处理。而这种方法中的知识是通过信息系统的形式表示的，能够对信息系统进行归纳，通过归纳后，能够从知识库中抽取更准确、更有价值的一系列规则。所以，通过粗糙集的数据挖掘算法，其实际也就是将大量的数据构成的信息系统进行约简，从而得到的一种属性归约集的过程，最终就能够得到抽取规则。

三、数据挖掘在煤矿计算机安全监测中的应用

(一)数据挖掘技术在煤矿企业中的具体功能

煤矿安全监测系统能够实现对煤矿整个生产过程状态的实时监控，煤矿的生产过程是一个动态变化的复杂过程，所以在建立煤矿安全监测系统时必须考虑各种因素。为了高效获得有价值的煤矿生产信息，采用数据挖掘技术对煤矿信息系统中的各项数据进行科学统计分析，以及时了解煤矿的生产状态，发现各种因素之间的相互联系，制定出科学合理的控制方案。

在煤矿企业经营中，计算机数据挖掘主要的功能是分析处理煤矿企业的数据库信息，是最早使用的办公自动化技术之一。在计算机技术中，数据挖掘技术是一个非常典型的代表，在面对强大的功能结构时，具备处理多元化的效果，而且通过处理后，能够使原来大量的数据资源变得更加清晰，它最终的目的是挖掘出具备商业价值的所有潜在数据。

在煤矿企业中，挖掘技术的功能主要表现在以下几个方面：①预测功能，在煤矿企业的计算机系统中，为了使后期的经营发展更切合实际的预测结果，这就需要在调用数据挖掘的过程中，不断积累各类与煤矿企业相关的经营信息，并将信息中的内容充分表达。例如，为了制定出更加合理的销售、宣传、决策等方案，应在煤矿企业应对市场变动的过程中，参考现有的市场信息，并对未来的整个市场走向进行一步研究。②聚类功能，为了能够发挥出聚类分析法的运用效果，就需要对数据实施详细的分类，这主要是对数据资源的特点、结构等基础上进行分析，从而通过综合调配的方式对数据资源进行综合归类。由于煤矿企业中的数据在很大程度上都具有相似性和差异性，因此，合理区分这部分的资源，煤矿企业的数据资源就能够得到合理的利用。聚类分析法的主要类型有许多，例如基于网格法、层次法、基于模型法等。

此外，数据挖掘技术在煤矿企业中还具有联系功能。为了使数据之间的具体联系更加清楚，这就需要通过练习功能对数据进一步分析。关联分析是数据挖掘过程中最为关键的部分，分析的过程会对所得的结果可靠性有一定的影响。与此同时，充分的利用和挖掘数据资源是一个非常重要的因素。

在生产方案设计的过程中，许多煤矿企业都建立了自己的数据库，对数据库进行分析之后，就能够从中获取最佳的开采流程。此外，通过长期的研究开发，能够最大优化计算机中的数据挖掘技术功能。在数据挖掘功能中的新形式中，对其操作结束后，就能够采用偏差检测挖掘的结果，用户就能够对其进行检查，通过这种方式就能及时发现数据结果中存在的不足，有利于改进煤矿企业生产工艺。在概念性的描述过程中，为了使后面的数据挖掘方法能够进行充分的准备，因此，应在接受挖掘处理之前对其进行处理，这样就能够保证用户在不同方向和不同角度认识数据。这项功能主要是对其进行概念性描述，这样可以使用户在全面认识数据概念的基础上，能够对不同数据内容进行更深层次的分析，从而在不同的对象中找出共同点，煤矿企业通过将当前的生产模式和数据挖掘技术进行综合对比，就能够制定出更加优越的生产开采模式，最终达到为企业创造更多经济效益的目的[4]。

(二)煤矿数据挖掘系统模型

数据挖掘预处理也即是数据准备，包括问题的定义、数据集成和数据净化三个步骤，此结算主要是确定目标数据，即是数据挖掘的对象，再对目标数据进行重复记录、噪音消除等及数据抽取等工作，并完成数据维数的变换；具体数据挖掘是数据的开采，包括数据抽取和运行数据挖掘算法，主要是确定数据挖掘算法及具体操作；数据挖掘预处理指结果评估，包括评估结果和知识表达，满足用户需求后进行反馈，若不能满足用户需求则重新挖掘。

根据数据额挖掘的过程，系统主要由用户接口和控制实现模块两个模块组成，用户接口模块可控制数据挖掘流程，是用户使用的接口，要求简单易用；控制实现模块包括数据预处理、挖掘内核和模式表达与解释模块，主要用于实现数据处理，模式表达与解释模块用于将挖掘出的知识转化为用户可识别的形式。在系统运行的过程中，用户提出要求后，选择需发现的知识模式，输入参数，同时选择需要挖掘的数据集，系统根据用户的选择自动进行数据挖掘，数据挖掘完成后，系统将结果进行转化，以用户可以识别的形式表现出来，挖掘结果可满足要求后完成整个挖掘任务，否则重新进行挖掘。

(三)煤矿数据挖掘体系结构

利用建立的数据挖掘模型，在煤矿计算机综合管理系统中建立数据挖掘系统时，可将系统数据库作为数据源，构架如下图所示的数据挖掘体系，进而建立适合露天煤矿管理模式的管理系统。

在此系统中，数据库为基础数据源，包括煤矿的生产管理、安全管理、设备管理、库存管理、经营决策等煤矿生产、经营管理各个部分的子系统；在数据挖掘层，可采用数据挖掘工具实现数据的集成、管理、发布、共享等；在用户层，可采用中间件技术、Web Service等较为先进的跨平台软件技术实现信息的输出浏览。数据挖掘技术在煤矿计算机安全监测中的应用，极大地提高了整个煤炭监测系统的安全性，有效降低了煤炭生产经营中的风险。

结语

社会的发展离不开计算机技术，而数据挖掘技术在各个行业的发展中是不可缺少的一部分，采用先进的数据挖掘技术能够使企业得到较快的发展。将数据挖掘技术应用于煤矿计算机综合系统管理中，可为煤矿企业生产管理提供决策依据，减少煤矿生产经营中的风险，促进煤矿业的良好可持续发展。煤矿企业在引进数据挖掘技术之后，就应根据现有的计算机运行条件，煤矿计算机综合管理系统中充分发挥出数据挖掘技术的作用，从而为企业创造出更多的经济效益。

[参考文献]

[1]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.

[2]董建新.计算机数据挖掘技术在煤矿行业的应用[J].煤炭技术，2012，31(4)：87-89.

[3]孙涛.数据挖掘技术及其在煤矿信息安全管理中的应用研究[J].消费电子，2012，(19)：13-14.

[4]赵文涛，杨静.基于数据挖掘的煤矿安全信息管理模型的研究[J].工矿自动化，2009，35(7)：36-39.

[5]王若成.基于数据挖掘的煤矿计算机安全监测体系建立[J].煤炭技术，2013，32(1)：124-125.

[6]岳一领，李东生.基于数据挖掘技术的煤矿远程监控系统研究[J].太原理工大学学报，2005，36(2)：211-215.