基 于数据挖掘的地质矿产智能检测系统设计及应用

成浩

摘要：随着国家的发展越来越好，矿产资源越来越少，矿产的相关工作已经非常的困难。在这种情况下，想要更好的发现矿产，那么只能采用更加的先进的技术，其中核心的内容就是数据挖掘技术，这是因为在矿产勘查中，往往需要进行数据的比对，数据挖掘技术能够更好的完成相关的比对，从而确保矿产的发掘更加的简单。

关键词：数据挖掘;地质矿产;智能检测系统设计;应用

引言

矿产资源的智能开采能够合理缓解矿产资源紧缺的问题。目前绝大部分矿产资源开采过程的监测主要采取传统的检测手段，这种方法的智能化较低，误差值较大，及时性也无法得到有效保证。与此同时，功能强大的数据挖掘技术在矿山智能检测中的应用范非常有限，急需在社会各界大面积推广和普及。现在的智能检测系统缺少一个实时的检测体制和信息处理系统，在矿产智能检测系统的设计、管理等软件构造上依然还存在着诸多问题。所以基于数据挖掘的地质矿产智能检测系统的研究是智能检测系统长远发展的一个极其重要的研究方向。

1数据挖掘技术简介

1.1数据挖掘技术的目的与应用领域

采用数据挖掘分析数据的原因。目前在人们对于数据进行统计和分析的过程中发现，数据中存在一定的关联，但是这种关联性需要定量的分析通过推导的方式来进行科学说明显得相对困难，其主要体现在两个方面的问题，第一数据之间的关联性较为复杂，特别是用于解释现实事件数据中间的关联性较为复杂，其建模和分析过程相对较难，第二则是由于数据本身的量比较大。在具体实施的过程中进行逐步的推理显得较为复杂。因此研究人员基于此种考虑，提出了采用数据挖掘的方法来研究数据之间的关联性。其基本模式是直接用数据来进行模型的训练，通过将大量的数据带入到解释模型中对于模型进行训练和辨识模型中的参数，最终使得模型能够表示数据之间的关联。因此对于数据挖掘而言，采用数据进行模型的训练过程大多是迭代算法，进行反复的迭代和训练。而目前计算机的快速发展已经能够适应于大量的反复迭代计算，这也为数据挖掘技术的应用和普及提供了有利基础。数据挖掘技术目前已经应用在大量的行业，例如交通管理、医疗、金融以及刑事案件侦破等。例如金融行业可以应用在客户需求分析和预测上，其方式则是通过大量的历史数据中客户与银行之间的金融业务数据为基础进行数据挖掘。从而实现对于用户使用金融产品习惯的挖掘，对于银行指定金融产品组合和研发新的金融产品都具有一定的促进作用。在刑事案件侦破上则可以通过大量的卷宗进行分析和聚类，从而对于刑事案件进行分类，包括案件性质、犯罪人作案动机以及作案手法等。而在新的刑事案件发生时则可以通过聚类分析将新的案件划入到对应的类别中，从而预测作案人员的作案手法和作案动机等等。总而言之，目前数据挖掘技术已经成为数据分析和预测的一种可靠手段，由于计算机的快速发展和网络的普及，数据挖掘所需要的外部条件已经日趋完善。并且目前而言已经由大量的领域开始应用数据挖掘技术进行本专业内的研究。

1.2数据挖掘技术的方法

数据挖掘的方法可以分别聚类分析、关联分析几个方面，由于篇幅有限本文将着重介绍聚类和关联分析两种方法。聚类分析方法。所谓聚类分析则是在对数据大量统计的基础上采用对应的算法进行聚类分析，目前最为常见的算法是K-means算法。其原理是采用对应的特征向量度量方法对于样本进行度量得到每个样本的特征向量，而后通过设定初始簇的方式将新的样本不断加入到对应的簇中，一边进行分类一边不断修正簇的中心特征向量。采用这样逐步修正的方式让分类的标准更加准确。聚类分析一般用于分类、预测等领域。

2基于数据挖掘的地质矿产智能检测系统软件设计

数据采集模块。在数据采集模块中，有必要对上板、矿层的位移距离以及岩体内部应力值等进行采集，由于这些数据是连续不断且持续变化的，因而需要采取内触方式，通过NIDAQmax完成数据的智能采集。（2）数据分析模块。数据分析模块主要是用于对传感器输出信号进行有效分析。首先将采集到的电子信号转变为相对应的应力值，并据此得出这些物理性质的变化速率以及加速度，之后评判这些数据是否超过预警值。（3）元数据管理模块。元数据管理模块主要是用于对生成元数据信息进行单独编辑，另外，元数据库作为元数据实现数据共享的信息来源，元数据的管理工作有必要对元数据库进行日常维修和监管，以确保元数据库作为数据集合的有效来源而实现数据共享，因而必须涵盖数据提交、数据浏览、数据查询以及数据管理等内容。（4）报表自动生成模块。地下矿床回采工作需要设计单位、输送单位、爆破单位等多个部门的统筹合作，各个单位之间的信息交流一般是以报表为主，假如报表间的格式差异较大，就会加大现场工作人员的工作量。

3矿产地质信息挖掘与评价系统的功能

矿产地质信息挖掘与评价系统在功能上主要由三个基本部分组成，即空间数据库管理、空间数据挖掘、矿产资源评价。该系统具备数据挖掘、空间分析、矿产评价数据输入管理以及矿产综合评价等多种功能。系统的功能框图如图 3 所示：

图1矿产地质信息挖掘与评价系统功能框图

由图1可得出，空间数据库记录地质、遥感数据、地球化学、地球物理及测试定量化等原始数据，由空间数据管理功能、空间数据分析功能、空间数据挖掘功能三部分组成。空间数据管理功能与分析功能主要用于对数据库数据进行浏览、处理和分析等；空间数据挖掘功能则是要从海量的数据库数据中，提取和综合那些隐含的、有用的信息，为矿产资源的勘查与研究提供指导。数据不同，其挖掘的方法也不尽相同，要做到具体情况具体分析。资源评价分析功能建立在空间数据库基础上，对区域矿产资源进行分析评价，结合空间数据分析结果，形成成矿靶区的确立。（1）空间数据的管理：采取 ADO 数据库的访问技术，使得图形数据和其岁对应的属性数据建库能够实现，并且进行数据库相关数据的录入、编辑、查询、导出及维护等。（2）空间数据的分析：多源数据采样、图像地理的坐标变换、多源图像叠置分析、最短路径的计算、缓冲区的操作等。（3）空间数据的挖掘：采用科学的方法将空间数据进行分析与挖掘，发现那些隐含的、有用的空间规则与模式，并通过空间数据引擎实现空间数据与属性数据的关联，为矿产资源的评价提供一定程度的指导和有效辅助。（4）资源评价功能：评价系统当中评价方法是其中重要的关键部分，其好坏直接影响到评价的结果，从而对下一步的工作方向也形成影响。对于评价系统而言，选择合适的评价方法，要结合系统最终评价目的与评价地区数据资料来决定。（5）可视化功能：是数据库数据与评价分析成果的显示。通过三维数据体的方式对构造和重力以及航磁异常空间变化相关地理信息进行观察。

结语

我国当前大部分的地区都在积极的进行科学技术的应用，在目前来看，对于大部分的企业而言，数据挖掘技术都非常的核心，这样可以很好的解决企业对于数据处理的问题。在矿产公司的发展中，数据的对比和删选更是非常关键的，能够很好的了解地下矿产的种类，从而保证矿产能更好的被挖掘。从而能够全面的提升矿产企业的经济发展速度。但是一直以来，我国矿产公司在此方面的工作都存在很大的问题。

参考文献

[1]赵亚楠,李朝奎,肖克炎,范建福.基于Hadoop的地质矿产大数据分布式存储方法[J].地质通报,2019,38(Z1):462-470.

[2]卓成刚,肖潇.数据挖掘时代公共管理专业培养体系的改进与优化——以中国地质大学(武汉)公共管理专业为例[J].教育教学论坛,2019(07):67-68.