决策支持系统在地方煤矿安全生产中的应用

《决策支持系统在地方煤矿安全生产中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、决策支持系统在地方煤矿安全生产中的应用［摘要］木文简单介绍了与商务智能有关的儿种计算机应用技术，重点论述了利用数据仓库技术和OLAP技术实现在鸡西市煤矿安全产生管理信息系统中的应用。［关键词］数据仓库；多维分析；数据挖掘；决策支持1概述1」商务智能与数据仓库。商务智能（BI,BusinessIntelli-gence）是对与企业有关的所有内部和外部的数据进行收集、汇总、过滤、分析、传递、综合利用，使得数据转换成为信息和知识的过程。商务智能可以整合历史数据，从多个角度和层面对数据展开深层次的分析、处理，为决策者提供和应的决策依据，提高决策效率和水平。商务智1能是数

2、据仓库、联机分析处理和数据挖掘等相关技术走向商业应用后形成的一种应用技术。数据仓库就是面向主题的、集成的、不可更新的（稳定性）、随时间不断变化（不同时间）的数据集合，用以支持经营管理中的决策制定过程。数据仓库中的数据面向主题，与传统数据库面向应用相对应。主题是一个在较高层次上将数据归类的标准，每一个主题对应一个宏观的分析领域；数据仓库的集成特性是指在数据进入数据仓库Z前，必须经过数据加工和集成，这是建立数据仓库的关键步骤,首先要统一原始数据屮的矛盾之处，还要将原始数据结构做一个从面向应用向面向主题的转变；数据仓库的稳定性是指数据仓库反映的是丿力史数据，而不是日常

3、事务处理产生的数据，数据经加工和集成进入数据仓库后是极少或根本不修改的；数据仓库是不同时间的数据集合，它要求数据仓库中的数据保存时限能满足进行决策分析的需要，而且数据仓库屮的数据都要标明该数据的历史日期。由此可见，商务智能与数据仓库是一种包含关系，数据仓库是在商务智能建立初期所使用的技术。1.2商务智能与多维分析。“维”是人们观察客观世界的角度，是一种高层次的类型划分。“维^一般包含着层次关系。这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维，使用户能对不同维上的数据进行比较。因此多维分析也可以说是商务智能体系中重耍的数据分析方法。1.3商

4、务智能与数据挖掘。数据挖掘是一个工具，是一个利用各种分析工具在海量数据屮发现模型和数据间关系的过程，这些模型和关系可以用来做出预测。它能够帮助我们更深入、更容易的分析数据，在“数据矿山冲找到蕴藏的“知识金块”，帮助企业减少不必要投资的同时提高资金回报。可见，数据挖掘的结果是商务智能的一个重要表现方而。1.4商务智能与决策支持系统。决策支持系统是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源

5、和分析工具,帮助决策者提高决策水平和质量。可见，决策支持系统是建立商务智能体系的目的之一。2设计2」数据仓库的建立。鸡西市安全生产监督管理局和鸡西市煤炭工业局及其下属煤矿企业每天都有大量的安全生产数据产生，在这些数据中包含有大量丰富的知识，因此建立鸡西地区煤矿安全生产数据仓库有非常良好的基础。这里通过信息打包技术从煤矿管理者的角度出发把焦点集中在与安全生产冇关的矿井产能趋势分析和煤矿从业人员流动趋势分析两个主题上，着重分析主题所涉及数据的多维性，并借助微软捉供的商务智能解决方案构建数据仓库。该数据仓库的逻辑模型为星座模式，如图2-1所示：E2-1煤貧安全生产借息

6、数据仓库逻辑檢型2.2数据立方的构建。设计好了结构良好的数据仓库，并且将需要分析的业务数据装载到了数据仓库中之后，就为满足智能决策的全方位需求打下了根基，以后的操作都是基于这些拥有数据的数据仓库进行的。但是，对数据的多维分析却并不是主要针对数据仓库，而是针对从数据仓库中捉取的子集，如数据集市和多维数据集（也称为数据立方）。因此通常还需要在具体分析数据之前创建数据立方。这里以用于进行煤矿产能与安全生产分析的数据立方为例，它包括4个维度表，在进行该数据立方的分析过程中，除了定义维度和基本度量值以外，我们还定义了针对Cube的计算和KPI指标分析。Cube的计算主要度

7、量矿井在2008年的非工作日天数（2008年总天数减去2008年工作日天数）和日平均产量（矿井在一段吋间内的产量和除以该吋间段内的工作日天数）；Cube的KPI主要分析了矿井实际产能和煤矿生产能力极限间的差距，重点对安全生产规定的矿井产能可承受范围进行监测。2.3数据挖掘。该项目中数据挖掘技术进行数据分析的过程是这样的:首先确定数据挖掘的口标，其次选择合适的模式搜索算法，然后根据使用者的决策目的对数据挖掘的结果进行评价，最后是知识同化，将挖掘所得到的知识集成到决策过程。并跟踪知识运用的貝体成效。这里使用的主要数据挖掘方法有关联规则、决策树、统计分析、可视化技术等

8、，通过数据挖掘得出的结果