SOM+k-means两段聚类煤质大数据挖掘方法与应用
-
煤炭科学技术
- 网络首发时间：2021-11-09 14:37:08
-
45
-
作者
韩东辉 唐跃刚
-
单位
中国矿业大学（北京）地球科学与测绘工程学院
-
摘要
充分利用煤炭开发利用过程中积累的海量煤质数据，挖掘其中隐含的信息，可以产生新的信息，应用于社会生产建设。不同地质条件煤炭资源优势区域会呈现一种数据分布聚类现象。选取山西省六大煤田太原组原煤水分(Mad)、灰分(Ad)、挥发分(Vdaf)以及全硫(St，d)四个参数，将原始数据进行预处理后的数据采用SOM+K-means算法处理，将读取的数据首先基于自组织神经网络SOM处理，将得到的结果作为第二阶段k-means聚类分析算法进一步处理。依据国家相关标准将两类数据中按照原煤质量不同展布到地图上，划定优势区域。数据挖掘结果表明，第一类、第二类聚类中优质煤及中质煤优势区域面积所占比例分别为90.1%和24.1%，说明第一聚类相较于第二聚类原煤质量高。由此证明数据挖掘算法煤质大数据分析的可能性，拓展了煤质数据的使用方式，为煤质数据库使用与发展提供了新的思路。
-
关键词
煤质大数据聚类分析信息挖掘资源评价
-
引用格式
韩东辉,唐跃刚.SOM+k-means两段聚类煤质大数据挖掘方法与应用[J/OL].煤炭科学技术,1-12[2024-09-04].https://doi.org/10.13199/j.cnki.cst.2021-1048.
