Techniki eksploracji danych w zagadnieniach eksploatacji górniczej złóż węgla kamiennego

Artykuł prezentuje przegląd propozycji wykorzystania technik analizy danych w zagadnieniach eksploatacji górniczej. W pracy opisano proces eksploracji danych. Scharakteryzowano atrybuty danych oraz podano przykłady technik analizy danych w przypadku konkretnych zadań eksploracji. Podkreślono również istotną rolę modelu eksploracji danych, który można utworzyć na podstawie znanych już metodologii. W pracy zaprezentowano pokrótce metody Cross-Industry Standard Process for Data Mining (CRISP-DM) oraz SEMMA opracowaną w SAS Institute. W kolejnej części artykułu przedstawiono przykłady zastosowania wybranych technik eksploracji danych w analizie elementów procesu eksploatacji górniczej w postaci: regresji liniowej, sieci neuronowych, drzew decyzyjnych, algorytmów grupowania oraz reguł asocjacyjnych. Całość zakończono podsumowaniem, w którym zwrócono uwagę na potrzebę znajomości technik eksploracji danych dostępnych w popularnym oprogramowaniu, aby móc je właściwie wykorzystać do analizowanych zagadnień.

The paper presents a review of data mining techniques applied to the mining process issues. At the beginning, the need of knowledge discovery is described and the characteristic of data according to the mining process of deposit are given. The importance of information in management of the mining process was emphasized. In the continuation, process of data exploration was described. Attributes of data were characterized as well as the examples of data analysis techniques according to the formulated exploration tasks. The data exploratory model could be created on the basis of the wide know methodologies. In the paper two methodologies were presented: Cross-Industry Standard Process for Data Mining (CRISP-DM) and SEMMA evolved in SAS Institute. In the continuation, examples of the selected exploratory techniques in analysis of the hard coal mining process elements are presented. The following techniques are described: linear regression, neural networks, decision trees, clustering algorithms and association rules. Described techniques were applied to problems such as: methane threat prognosis, longwall gates compression, analysis of longwall equipment, analysis of longwall gate equipment and research on similarity of mining excavations.