在我国积极推进"中国制造2025"十年纲领、提升实体经济创新力和生产力的新形势下,以大数据、云平台、知识发现为代表的数据科学与技术渐渐受到人们的广泛关注,涉及信息、地理、生物、能源、医药、社会学等各个学科领域。我国选煤厂的信息化亦取得了长足发展,建立健全了办公、控制、监视网络环境,基本实现了自动化控制,并建立了众多的信息管理系统。随着选煤厂信息化的发展,亦暴露出以下问题,众多信息系统独立、信息化应用智能程度不足,部分生产环节虽然基本实现了机械化、自动化控制,但还未实现真正的智能化。针对选煤厂信息化发展中存在的众多信息孤岛以及不同需求方分散数据获取方式的问题,本文首先以选煤厂各职能科室的工作职能为标准对选煤信息进行了分类,对每个生产管理部门涉及的业务及基础数据做了简要说明。以选煤生产设备为例,介绍了具体的分类标准及编码规则设置。然后,本文研究了选煤厂基础数据采集交换的具体方法,针对PLC控制器中的在线过程变量,以及不同关系数据库的数据信息的进行采集,对采集来的信息建立了实时存储规则和历史存储规则,实现了统一的数据集成采集方式。并通过Web Service技术为不同的基础信息需求者提供统一的数据访问接口,为后续选煤科研人员和生产管理工作者通过选煤厂基础数据进行数据活化和知识发现提供支撑。选煤信息的融合与活化,核心是将数据仓库采集到的数据通过数据挖掘的方法进行分类、排序、聚集、回归,挖掘潜在的知识,反馈有价值的信息。本文将选煤厂知识活化体系划分成三个主要智能领域:智能监测、智能管理(生产分析与决策)和智能控制(过程模拟与优化)。涉及基于图像视频的生产线高危区域的出入检测和生产设备流量异常检测、选煤过程中的重介、浮选智能控制、以及管理环节的产品结构优化、生产成本优化。矿业集团、煤炭行业的信息融合与活化主要以更高层次的生产、计划和管理决策支持为主。在知识活化体系的应用中需充分认识和理解数据,做到统一规划、设计和实施,重视标准的建设,同时储备相关人才技术。论文的第二大部分结合选煤的生产工艺重介分选过程中的实际问题介绍具体的数据融合和活化的过程。针对循环介质密度给定滞后的情况,以唐口选煤厂的生产系统为研究对象。选取一段时间内的入洗原煤及产品为实验对象,对实验得到的原煤灰分与原煤密度组成进行数学分析,结果表明,原煤灰分的变化与+1.8kg/L密度级的产率和灰分有显著的线性相关性,与-1.3—-1.8kg/L密度级的累计产率线性关系要强于不同密度级累计灰分。这表明,原煤灰分在一定程度上可以表征原煤浮沉组成的关系,即在线检测的原煤灰分、精煤灰分、循环介质密度之间存在显著的相关关系。结合实验分析的结果,对唐口选煤厂重选工艺参数相关的数据进行采集存储,涉及皮带秤、灰分仪、密度计等检测仪表。对实际生产的数据进行统计分析,采集过程中的缺失点,根据实际情况,通过临近点平均值的方式进行补齐。对唐口选煤厂精、中、矸皮带在线数据的异常值进行归零预处理。同时对该厂原煤灰分仪在未生产时依然有灰分数据的情况进行数据清理。针对唐口选煤厂灰分仪检测量误差较大的情况,分析了灰分仪的工作原理,将日常累计的煤质化验的快灰结果,与在线灰分数据进行对比,根据数据的相关分析的结果表明,该选煤厂快灰仪检测灰分的误差与皮带秤上的煤流量高度相关。通过在线灰分仪量、皮带秤量和技检化验灰分对灰分仪的偏差建立不同的曲线模型,进行拟合回归,三次曲线模型具有较好的拟合效果,均方根误差为0.3335。采用最小二乘支撑向量机算法对在线数据进行重新训练和预测,预测的均方根误差为0.1747,较上述曲线回归模型预测出来的灰分有更好精度。因此建议在实际生产过程中结合皮带秤量、技检化验快灰,采用LSSVM算法来进行在线灰分仪的实时校正。完成了数据准备工作,选取皮带秤量、灰分仪量和循环介质密度作为输入矩阵,选取Microsoft神经网络算法、Microsoft逻辑回归算法和Microsoft决策树算法构建数据挖掘模型进行预测比较,从挖掘结果及挖掘精度看,Microsoft神经网络算法更适合进行循环介质密度的预测问题。当缺失不同输入项时,算法的预测精度变化不是很大,均方根误差基本稳定在0.02上下。进一步研究表明,训练数据挖掘算法的数据矩阵并非越多越好,过多的非稳定生产数据,或不能反映当前时间生产状况的数据越多,对实时预测的结果的精度有较大影响,这就要求在实际应用过程中要注意数据的时效性,要保证数据的滚动更新。同时,选煤厂的生产数据具有一定的时间特性,精煤皮带称量、中煤皮带秤量、矸石皮带秤量和产品灰分的数据较原煤皮带秤量和原煤灰分存在波动的延迟性,根据相空间重构原理,对输入数据进行重构后,进行数据挖掘算法的训练,可以提高数据挖掘结果的预测精度。建立好数据挖掘模型需将挖掘结果嵌入到选煤厂不同的应用系统程序中,实现工业应用、闭环分析。论文的最后展示了信息融合与活化的相关应用程序,涉及数据采集端的应用程序、基于B/S架构的数据采集交换Web平台、基于C/S架构的控制应用程序和基于Android的选煤厂移动终端应用。