熊赛
新疆天池能源有限责任公司
摘要：从目前的情况来看，我国在对煤矿隐患进行管理的过程中，未能深入对相关数据进行分析。尤其是在科技迅速发展的过程中，煤矿企业生产经营管理愈发复杂，对煤矿隐患管理提出了更高的要求。目前，煤矿企业针对煤矿隐患管理所收集的安全信息，在利用方面还存在一定缺陷，现有煤矿隐患管理的方式已无法适应大数据背景下煤矿企业对安全隐患管理提出的要求。
关键词：数据挖掘技术；煤矿隐患；管理；应用
引言
在煤矿安全生产管理中，相关人员需要重点排除和整改所存在的各种隐患，尤其是在煤矿安全检查力度不断增大的过程中，暴露出了各种关于煤矿安全隐患问题。据相关统计显示，仅我国工矿企业在2013年所排查出的隐患数据就高达500多万。为了使用信息化手段对企业隐患进行管理，学术界目前正逐渐加大对煤矿隐患管理系统的研究与开发力度。通过数据挖掘技术能促进整体的工作部署，加强管理优化管理，在煤矿管理中，该技术也有非常广泛的应用。
一、数据挖掘技术概述
数据挖掘技术的概念最早于上世纪末诞生，是一种融合的多学科的优点的技术手段，如数据库、人工智能、统计学、机器学习等理论与技术，强调对海量数据进行自动化挖掘与分析，帮助人员了解事物的潜在价值，也可以帮助用户合理进行决策，提供事前预测的准确性。当前，数据挖掘技术被广泛运用到了金融分析、商品销售、医疗保健等领域中。
（一）数据挖掘过程
学术界关于数据挖掘的研究有很多种，不过基本都遵循数据预处理、转化、挖掘、结果评估等流程。数据预处理表示从庞大的数据源中确定数据对象与主体，并着重对所选的数据进行清理，避免数据重复的情况出现，也需要对不完整的数据进行补充。在数据挖掘中，数据预处理是非常重要的一个步骤，数据在经过预处理后质量也会有所上升，有利于提高数据挖掘的准确性。数据预处理后进入数据转换流程，还需要在相应的数据维度与范围上进行计算。通常数据在经过预处理后维度与数量级较高，所以在数据挖掘期间需要分批选择不同维度上的数据，并将这些数据转换成适合数据挖掘算法的数据。数据挖掘在经过前期的一系列处理之后，需要通过不同的方法，如神经网络、决策树、关联分析等方法，实现对数据的挖掘计算，并以此为基础发现相应的知识模型。在数据挖掘过程中，结果评估是最后一项步骤，需要利用知识表达、可视化技术等向用户提供挖掘计算的结果，并对数据挖掘的质量和知识模型的有效性进行分析[2]。
（二）关联规则算法
关联也就是反应数据和其他数据相互间依赖关系的一种方式。关联规则算法通常需要找出海量数据海洋中的各种依赖关系，并且建立在挖掘和分析煤矿隐患数据中各种关联关系的过程中进行算法优化，这一算法在隐患管理领域中普遍适用。其中，关联规则的基本概念包括支持度、置信度和项目集。在关联规则挖掘领域，Apriori算法较为经典，使用该方法的范围也更广泛。该算法的核心是挖掘频繁项集的递归算法，需要用迭代法找出所有候选集，并将这些候选集的最小系统与支持度进行比较，如果最小支持度是频繁项集。发现频繁项集后，需要计算规则的置信度。如果置信度小于最小置信度，将生成强关联规则[1]。
二、系统总体设计
（一）功能模块概述
煤矿隐患信息管理系统是煤矿隐患管理工作开展的前提，可持续保证管理工作的效率与质量，始终贯穿与煤矿隐患管理的全生命周期。根据子系统功能的不同，可以将其划分为设备管理、数据管理、职工信息管理、系统维护、事故预防等子系统。
（一）设备管理
设备管理这一子系统主要针对机械设备、劳保用品等进行管理。其中机械设备是煤矿生产中重要的工具，而劳保用品是保证采矿人员生命安全的基础，对机械设备与劳保用品进行管理，是保证煤矿生产安全的重要手段。
（二）数据管理
数据管理中包括了报警信息、智能地图、视频监控、数据显示等内容、其中视频监控主要是通过图像的方式对井下生产作业相关信息呈现出来，需要经过压缩和编码后输送至系统软件实时间播放，可远程实现对各生产环节的密切监控。数据显示主要监控井下不同测点返回的瓦斯浓度、井下湿度等各种安全指标信息，并以状态图或图形的形式直观地显示在屏幕上，供各煤矿查看，以便迅速了解井下安全情况。当安全指标超过设定的上限值时，报警系统启动，它会根据不同类型的隐患发出不同的声响或提示，督促相关人员进行处理。
（三）事故预防
事故预防模块具备应急预案管理、安全信息分析、安全隐患管理三项功能。其中安全隐患管理与安全信息分析主要针对数据管理子系统中所搜集的数据以及日常管理中获得的安全信息通过数据挖掘的方式进行分析，进而找到可以发生的煤矿安全隐患，并安排相关人员将这些隐患信息发布出去，通知相关部门对各种隐患问题进行处理，进而减少发生安全事故的概率。
（四）系统管理
系统管理子系统中主要包括了数据备份、数据恢复以及用户管理三个部分。通过添加用户、删除用户等方式合理分配权限，该子系统管理员拥有所以权限，要求管理人员根据实际需求对用户权限进行分配。数据恢复与数据备份模块主要针对煤矿隐患数据进行备注与恢复，进而确保系统数据的安全性[3]。
三、数据挖掘技术在煤矿隐患管理中的价值
（一）找到隐患存在点
数据挖掘技术能发掘煤矿管理中尚未发现的隐患，然后确定其发现位置。因为数据发掘过程中所存所找到的数据点都是可以定位的，且这一数据典的定位也比较清晰，因此，相较于传统的煤矿管理中人工清查的模式，数据挖掘技术显然能更高效的发现管理中的隐患问题，并找到问题的症结所在。
（二）促进隐患整改
数据挖掘技术能够促进在煤矿管理中相关隐患的整改，数据挖掘技术是对数据的分析，而不是对整体管理过程的分析，因此在实际的管理过程中，每一个管理的小巷都是以数据的形式存在的，如果数据不会出错，管理也不会出错，所以说通过数据挖掘技术找到其中的问题数据，然后改进，从而能从小的层面上优化管理，能促进整体的管理更优。
（三）做好管理优化
数据管理技术能够做好管理，优化煤矿管理是一个长期写系统的过程，不是在某一天，某一时间点进行隐患处理，就能解决到的，而是一个通过长年累月的煤矿管理经验的积累和严格科学的管理规章制度的规范所确定的系统性工程数据挖掘技术，能够做好管理的优化，并对在煤矿管理中实际的隐患进行长期跟踪，如果再隐患解决之后，还会出现新的隐患再次更改，这样一来就可能最大的减少因为不必要的人为管理因素所带来的煤矿管理风险[4]。
四、结语
总而言之，未来信息技术在煤矿隐患管理中的应用会越来越多，数据挖掘技术是其中之一，而在多种技术的协同配合之下，能更有效的找到煤矿管理中的潜在安全隐患，并加以规范且合理的优化整改。如在实际的管理过程中，更需要加强工作管理，优化实际的管理效能，促进信息技术在管理工作中的应用，这样才能有效的促进整体工作水平的提升。
参考文献
[1]王志刚,王业光,杨宁,米禹丰,曲晓雷.基于LSTM的飞行数据挖掘模型构建方法研究[J/OL].航空学报:1-10[2021-05-30].
[2]陈运启.数据挖掘技术在煤矿隐患管理中的应用[J].工矿自动化,2016,42(02):27-30.
[3]赵作鹏,尹志民,陈金翠,刘韵,于景邨,许新征,江海峰.煤矿隐患数据挖掘模型及适用挖掘算法[J].煤炭科学技术,2010,38(03):67-69+27.
[4]赵作鹏,尹志民,于景邨,刘韵,张杰,许新征.煤矿隐患数据可视化研究与应用[J].煤矿安全,2010,41(02):67-69+72.