Zastosowanie metod eksploracji danych do analizy wydzielania się dwutlenku węgla w pomieszczeniach stacji odwadniania kopalń węgla kamiennego

• Autorzy: Sikora M. , Krzykawski D.

Warianty tytułu

EN

Use of exploration methods for analysis of carbon dioxide emission in the rooms of hard coal mine drainage stations

• Języki publikacji: PL

Abstrakty

PL

W niniejszym artykule opisano wykorzystanie eksploracyjnych metod analizy danych do klasyfikacji i predykcji stanów zagrożenia związanych z wydzieleniem się dwutlenku węgla w stacjach odwadniania kopalń. Poza opisaniem systemu monitorowania i przytoczeniem wyników analiz, przedstawiono również krótko wykorzystane metody analityczne. W szczególności algorytm indukcji reguł Modlem, algorytm grupowania danych k-means oraz algorytm indukcji reguł z liniowym modelem w konkluzji.

EN

The use of exploration methods of data analysis for classification and prediction of emergency caused by carbon dioxide emission in mine drainage stations has been described. In addition to description of monitoring system and presenting of results of analysis, the analytic methods being used have been briefly presented as well, i.e. in particular the rules Modlem, algorithm k-means grouping of data and also the rule induction algorithm with linear model in conclusion.

Słowa kluczowe

PL

metody analizy danych; monitoring kopalń; zagrożenie dwutlenkiem węgla

• Wydawca: Instytut Technik Innowacyjnych EMAG
• Czasopismo: Mechanizacja i Automatyzacja Górnictwa
• Rocznik: 2005
• Tom: R. 43, nr 6
• Strony: 29--42
• Opis fizyczny: Bibliogr. 16 poz., rys., tab., wykr.

Twórcy

autor

Sikora M.

• Instytut Informatyki, Politechnika Śląska

autor

Krzykawski D.

• Centrum Elektryfikacji i Automatyzacji Górnictwa EMAG

Bibliografia

• 1. Bruha I.: Quality of Decision Rules: Definitions and Classifrcation Schemes for Multiple Rules. Nakhaeizadeh G., Taylor C. C. (ed.) Machine Learning and Statistics, The Interface: John Wiley and Sons, 1997.
• 2. Cichosz P.: Systemy uczące się. WNT, 2000.
• 3. Goldberg D. E.: Algorytmy genetyczne i ich zastosowania. Wydawnictwo Naukowo-Techniczne, Warszawa 1998.
• 4. Jain A., Dubes R.C.: Algorithms for clustering data. Prentice- Hall, NJ 1988.
• 5. Kauffman K. A., Michalski R. S.: Learning in Inconsistent World, Rule Selection in STAR/AQ18, Machine Learning and Inference Laboratory, Report, P99-2, 1999.
• 6. Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwo Naukowo-Techniczne, Warszawa, 1996.
• 7. Quinlan J. R.: C4.5: Programs for Machine Learning. San Mateo: Morgan Kaufman, 1993.
• 8. Quinlan J. R.: Combining instance-based learning and model-based learning. Proc. of the Tenth International Conference on Machine Learning (ML-93), 1993.
• 9. Quinlan J. R.: Learning with continuous classes. Proc. of the International Conference on Artificial Intelligence (AI'92), Singapore, World Scientific, 1992.
• 10. Quinlan J. R.: www.rulequest.com (demonstracyjna wersja programu See5).
• 11. Sikora M.: Filtracja zbioru reguł decyzyjnych wykorzystująca funkcje oceny jakości reguł. Studia Informatica Vol. 46, No. 4, Gliwice 2001.
• 12. Sikora M., Proksa P.: Induction of decision and association rules for knowledge discovery in industrial databases. ICDM-IEEE, Workshop of Alternative Techniques in Data Mining, Brighton, 01-04, November 2004.
• 13. Sikora M.: Metody zarządzania i analizy danych dla systemów monitorowania zagrożeń naturalnych i procesów przemysłowych w kopalniach. Sprawozdanie z realizacji etapu dziewiątego projektu badawczego. EMAG, Katowice, 2005.
• 14. Sobczyk M.: Statystyka. Wydawnictwo Naukowe PWN. Warszawa, 1997.
• 15. Stefanowski J.: Algorytmy indukcji reguł w odkrywaniu wiedzy. Praca habilitacyjna. Politechnika Poznańska, Seria rozprawy nr 361, 2001.
• 16. Yager R. R., Filev D. P.: Essential of Fuzzy Modelling and Control. John Wiley & Sons, Inc., 1994.