时间序列数据挖掘在瓦斯监测中的应用.pdfVIP

2009 年4 月 长治学院学报 Apr. ,2009 第26 卷 第2 期 Journal of Changzhi University Vol.26,No.2 时间序列数据挖掘在瓦斯监测中的应用 马 强 （长治学院计算机系，山西 长治046011） 摘 要：时间序列数据挖掘是一种根据动态数据揭示系统动态结构和规律的方法。本文就时间序列数据挖掘的国内外 研究现状、时间序列分析等进行了论述，在分析了煤矿瓦斯监测数据的特点和多种模型的特征基础上，提出了论文所适用的 数据模型为AR MA，同时，对特定的数据进行了数据建模，并对结果进行了分析和验证.。 关键词：数据挖掘；时间序列；平稳化；AR MA 中图分类号：TP311 文献标识码：A 文章编号：1673- 2014（2009）02- 0037- 04 信号数据采样, 提取它们特征量，对数据进行数据 1 引言 融合，实现对矿井瓦斯进行实时监测、预测控制，取 数据挖掘是从大量的、不完全的、有噪声的、模 得了较好的效果。但是，对于应用数据挖掘技术则 糊的、随机的数据中提取隐含在其中的、人们事先 有些不足，他们更多的侧重于硬件设备、系统环境 不知道的、但又是潜在有用的信息和知识的过程， 的建设等。 其主要目标是从大型的数据库中挖掘出对用户有 3 时间序列数据挖掘 价值的模式。目前数据挖掘研究较多集中在关联规 则、聚类分析、时间序列数据挖掘等方向。 时间序列数据挖掘是基于一个或多个时间序 列的数据挖掘，它可以从时序中抽取时序内部的规 2 国内外煤矿瓦斯数据挖掘现状 律包括时序的数值、周期、趋势分析和预测等。 早在70 年代，世界主要发达国家陆续在采煤 时间序列是按照时间顺序取得的一系列观测 [1] 安全方面建立瓦斯监测、监控系统。这些系统从建 值 ，很多数据是以时间序列的形式出现的，如股票 立至今，经过不断的改进、升级，使得这些国家的煤 市场的每日波动，科学实验，一个工厂装船货物数 矿的百万吨死亡率大大降低。据统计，美国煤矿百 量的月度序列，公路事故数量的周度序列，化工生 万吨死亡率为0.03 ，德国煤矿百万吨死亡率为 产过程按小时观测的产量，又如本文将用到的煤矿 0.04 ，日本煤矿百万吨死亡率为0.03 ，等等。这些系 瓦斯每日浓度统计数据等等。总而言之，时间序列 统的成功运作，无不证明计算机技术对于传统采煤 典型的一个本质特征就是相邻观测值的依赖性。时 业安全生产的革命性突破。 间序列模式的数据挖掘所论及的就是这种依赖性 中国矿业大学就煤矿瓦斯突出的现状，利用数 的分析技巧。 据挖掘技术，以历史数据为基础，与数据仓库技术 在统计学中，时间序列可以建立自回归模型、 相结合，通过对历史数据的分析和挖掘，找出隐藏 移动平均模型、自回归移动平均模型等等。 在这些数据内部的关系模式。2000 年，辽宁工程技 自回归模型（AR）应用较多的情况是对于经济 术大学几位硕士研究生就此也做了进一步研究。他 方面数据的预测，这类数据的特点是在不发生大的 们用多传感器数据融合方法，对瓦斯、温度、风速等 经济波动的情况下，数据存在一定的单调性。移动 收稿日期：2008—09— 15 作者简介：马 强（1980— ），男，山西原平人，助教，硕士，主要从事数据挖掘和数据库的研究。