基于关联规则的数据挖掘方法在电厂脱硫监测中的应用研究

作     者：赵春胜 

作者单位：内蒙古大学 

学位级别：硕士

导师姓名：王珊珊;张树礼

授予年度：2011年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主      题：脱硫监测 数据挖掘 关联规则 

摘      要：随着环境信息化和数据挖掘技术的发展,数据挖掘在环境监管中的应用将面临着更多的机遇和挑战,尤其在国家提出环保执法和污染物监管要实现“两个转变：由末端向过程转变、由监管型向服务型转变的要求之下,基于污染物治理设施运行过程监控的脱硫监测成为了监控的重要手段。由于脱硫监测数据存在着数据量大、数据关系复杂、数据实时性高等特点,因此如何处理好这些数据,并使这些数据更好的服务于治污设施的安全运行以及环境保护的总量减排工作,也就成了数据挖掘的一个重要研究内容。而关联规则挖掘方法能够有效的寻找出数据之间的联系,因此关于关联规则挖掘的研究成为现在环境自动监测的一个重要研究方向。 本文首先介绍了数据挖掘各项技术,主要包括数据挖掘的特点、过程,数据挖掘的常用算法及其应用,是对数据挖掘理论知识的简单介绍。其次,对关联规则的数据挖掘方法进行阐述,主要是对关联规则的概念和关联规则的一些算法做了深入的讨论。再次,通过对脱硫监测数据属性、特点的分析,建立了脱硫建设数据模型,说明了脱硫监测数据本身的特点适合使用数据挖掘的关联规则分析。最后,通过预处理清洗大量初始数据,并根据环境监管中关注因素的特点提炼出重点关注的监测数据,组成新的监测记录表,从表中找出各个脱硫监测属性的相关性以及关联规则,最后提出了基于关联规则的参数波动模型、参数染色体模型、参数预测模型,并对该模型和挖掘方法进行了分析与实验,结合实际的脱硫监测数据进行了论证,说明了模型的使用在实际脱硫监测工作中具有良好的效果。