[发明专利]一种基于Apriori算法的地表监测数据灰色关联度挖掘方法

说明书

本发明提供一种基于Apriori算法的地表监测数据灰色关联度挖掘方法，包括步骤：S1、对地表变形进行分区；S2、构成固定窗口，作为灰色关联度计算的参考序列；S3、构成滑动窗口，由每次滑动窗口包含的时序数据作为比较序列计算灰色关联度；S4、设定灰色关联度阈值，满足阈值且滑动时段最长的窗口与固定窗口即为关联窗口；S5、扫描数据库，确定拟执行Apriori算法连接步形成的时间窗口总个数；S6、设置灰色关联度阈值与最小支持度，判定不同地表变形区域测点是否变形趋势一致；S7、根据最小支持度执行Apriori算法的连接步与剪枝步操作，计算各个时间窗口间的灰色关联度；S8、设置计算得到的最小置信度不低于90％。本申请能有效精准识别监测数据的时空关联性。

技术领域

本发明涉及矿产开采过程中引起的地表变形预测，属矿山安全监控预警监测技术领域，具体涉及一种基于Apriori算法的地表监测数据灰色关联度挖掘方法。

背景技术

矿产资源采出后，由于岩层的不稳定性，对地表的影响开始显现，并且这种影响都是破坏性的，会引发大面积的地表沉陷事故，破坏地表生态环境，危害人民生命财产安全。预测地表变形决定了矿山的安全开采生产，而人工智能方法逐渐成为预测研究的新方法。

而地表变形呈现复杂的时空演化规律，改变地表岩体，这种复杂的时空的变化规律主要体现在两个方面：第一，同一个测点的累积地表变形随时间的增长呈现一定的增长规律，即为地表变形的时间关联性；第二，不同测点的累积地表变形随时间的增长呈现一定的增长规律会有所差别，并且这种差别会随着空间位置的改变而改变，即为地表变形的空间关联性。

而本发明的发明人经过研究发现，传统预测方式往往忽视地表变形的空间关联性，只考虑时间关联性对地表变形进行预测，因而往往会出现较大的误差，尤其在地表变形出现突变时。因此，如何创新地开展地表变形的空间关联性的数据挖掘具有重要的意义。

发明内容

针对现有地表变形预测方式往往忽视地表变形的空间关联性，只考虑时间关联性对地表变形进行预测，因而往往会出现较大误差的技术问题，本发明提供一种基于Apriori算法的地表监测数据灰色关联度挖掘方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于Apriori算法的地表监测数据灰色关联度挖掘方法，包括以下步骤：

S1、采用K-Means方法对地表变形进行分区，距离变形中心较近的区域为A变形区域，而距离变形中心相对较远的区域为B变形区域，由测点聚类得到的不同地表变形区域中，累积变形较大、距离变形中心较近的测点A_i所在地表变形区域发展较为超前，而累积变形较小、距离变形中心相对较远的测点B_j所在地表变形区域发展则较为滞后，而相邻地表变形区域间基于空间变形的连续性，又会呈现变形特征的延续；

S2、选择离变形中心较远区域内的监测点B_j最新监测到的时间长度为t的数据构成固定窗口，作为灰色关联度计算的参考序列，具体将测点B_j最新监测到的时间长度为t的固定窗口内的时序数据为b_j(k)的窗口记为b_j；