数据挖掘在煤矿瓦斯监测系统中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·本文的研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·瓦斯监测系统数据挖掘的内容概述 | 第10-11页 |
| ·本文的研究内容及组织结构 | 第11-12页 |
| 2 数据挖掘的基本理论 | 第12-18页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘的分类与技术 | 第13-16页 |
| ·数据挖掘的应用 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 相关技术概述 | 第18-32页 |
| ·聚类分析 | 第18-23页 |
| ·聚类分析的概述 | 第18-19页 |
| ·聚类分析的过程 | 第19-21页 |
| ·K-均值法 | 第21-22页 |
| ·模糊 K-均值法 | 第22-23页 |
| ·基于 ARIMA 模型的时间序列分析与预测 | 第23-28页 |
| ·时间序列概念 | 第23页 |
| ·传统时间序列分析方法 | 第23-25页 |
| ·指数平滑法 | 第25-26页 |
| ·ARIMA 模型 | 第26-28页 |
| ·关联规则 | 第28-31页 |
| ·关联规则的基本概念 | 第28-29页 |
| ·关联规则的挖掘步骤 | 第29页 |
| ·经典 Apriori 算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 煤矿瓦斯监测分析模型的研究与设计 | 第32-46页 |
| ·模型的构建 | 第32-33页 |
| ·煤矿瓦斯监测系统中的聚类分析 | 第33-35页 |
| ·聚类分析流程 | 第33页 |
| ·原始数据准备 | 第33-34页 |
| ·数据预处理 | 第34-35页 |
| ·聚类过程及结果分析 | 第35页 |
| ·瓦斯日均浓度的预测 | 第35-39页 |
| ·瓦斯浓度预测流程 | 第35-36页 |
| ·数据的提取及预处理 | 第36-37页 |
| ·ARIMA 建模 | 第37-39页 |
| ·挖掘监测数据中的关联规则 | 第39-45页 |
| ·关联规则挖掘流程 | 第39页 |
| ·数据的准备 | 第39-40页 |
| ·数据的预处理 | 第40-41页 |
| ·基于规则前件的最小支持度阈值估计方法 | 第41-44页 |
| ·关联规则挖掘及结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 煤矿瓦斯监测分析模型的应用 | 第46-55页 |
| ·搭建系统实验平台 | 第46-47页 |
| ·系统实验环境 | 第46页 |
| ·核心设计 | 第46-47页 |
| ·聚类过程实现及分析 | 第47-48页 |
| ·瓦斯日均浓度预测的实证分析 | 第48-52页 |
| ·序列的平稳性检验 | 第49页 |
| ·模型的识别和参数估计 | 第49-50页 |
| ·模型的检验与预测 | 第50-52页 |
| ·基于安全监测数据的关联规则挖掘及分析 | 第52-54页 |
| ·关联规则挖掘 | 第52-53页 |
| ·挖掘结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文总结 | 第55页 |
| ·未来工作的展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
