随着信息技术的迅速发展和信息社会的来临,煤炭企业越来越重视信息化建设,并取得了丰硕的成果,对提高企业工作效率和管理水平起到了积极促进作用。但是,在信息化过程中也发现了一些不足和问题,导致信息化项目达不到预期的目标和效果。主要表现在两个方面,一方面是各种信息系统彼此之间不能或很难共享数据,产生了大量的“数据孤岛”;另一方面是目前在各个信息系统里面存储着大量的业务数据,但是真正对管理者有用的信息却很少,数据利用率和利用层次很低。针对煤炭企业信息化建设中存在的第一方面的问题,论文以煤质与选煤部门业务为信息化对象,研究了矿区煤质与选煤信息标准化问题。在总结矿区煤质与选煤信息系统开发和推广过程中的经验,并借鉴其它领域的信息标准化研究成果的基础上,建立了矿区煤质与选煤信息标准化体系,明确了体系的结构、具体内容、对其他相关标准的引用内容,以及标准体系部署应用的方法,为相关信息化建设提供了参考依据。信息标准化体系由总体标准、应用标准、信息资源标准、网络基础设施标准、信息安全标准和管理标准六个标准化分体系组成。总体标准分体系中包括总则和术语,术语中的基础术语、专业术语和信息技术术语都尽量采用已有的相关标准;应用标准分体系包括报表和业务文件格式标准、信息文档标准、业务流程标准和应用系统标准;信息资源标准分体系用于规范煤质与选煤信息系统中的数据,以实现跨平台、跨系统的信息资源共享,包括数据元、元数据、信息分类与编码、数据采集、数据库和信息交换标准;网络基础设施标准分体系、信息安全标准分体系和管理标准分体系分别给出硬件、安全和管理方面的标准。论文以开发矿区煤质与选煤信息系统为例,介绍了如何充分贯彻信息标准化体系的要求。通过分析当前煤炭集团公司所属的煤质与选煤业务流程、内容与相互间的关系,应用系统论的思想,把矿区煤质与选煤信息系统分为集团公司级子系统和矿(厂)级子系统,分别处理不同的业务。为提高系统的通用性和广泛适应性,根据标准化的要求,把煤质和选煤相关业务细化为不可再分的最小业务单位,并开发相应的程序模块。在面向不同企业的煤质与选煤业务需求时,可以根据要求进行程序模块组合,以适应不同需要,减少信息系统的重复开发。针对煤炭企业信息化建设中存在的第二方面的问题,论文提出了利用数据挖掘技术提高信息系统数据的利用率和利用层次,为技术人员和管理人员提供更多的有价值信息和知识。论文采用支持向量机分类算法进行选煤生产情况异常判断。通过线性相关性分析,从煤质与选煤数据库中选择原煤灰分、原煤快浮-1.45 g ? cm?3密度级的灰分与产率、精煤灰分、精煤实际产率等5个指标作为评判生产情况是否异常的支持数据,并对其进行了数据预处理,以满足支持向量机算法的要求。从数据库中抽取116条有代表性的正常和异常生产情况数据作为训练和测试数据,对支持向量机模型进行训练,得到4个支持向量来构建分类模型。测试结果表明,SVM判定生产异常情况的准确率为95.65%,综合判定准确率为97.83%,可以对SVM模型进行部署应用。根据选煤理论并利用数据挖掘思想和方法,进行了重介分选过程工艺参数在线预测的知识挖掘,构建原煤密度组成实时预测模型,对来源和煤质都较为稳定的入洗原煤,利用在线灰分实时预测其密度组成,并通过拟合可选性曲线,预测精煤理论产率和理论分选密度。建立生产指标实时预测模型,根据实时预测得到的入选原煤的密度组成和实时分配曲线,预测出实际分选密度。应用0.618优选法给出求解预测分选密度的步骤,并预测出精煤产率。对在线测灰仪灰分的影响因素进行了分析,提出了用最近10min的平均值取代瞬时值,代表原煤的真实煤质的方法。论文研究了一整套重介分选过程工艺参数在线预测的算法,并总结了适用于选煤领域的数据挖掘方法。论文利用数据挖掘思想研究了对重选效果进行快速评定的方法。首先是建立了洗选入料和选后产品密度组成的快速预测模型。用快速浮沉数据对最近一次月综合浮沉数据进行密度级产率校正,用校正后的浮沉产率近似代表物料的密度组成情况。通过预测原煤密度组成,并绘制可选性曲线,计算精煤理论产率和数量效率。建立了重选效果快速评定模型,利用预测的洗选入料和选后产品的密度组成数据计算分配率,最终计算得到错配物总量和可能偏差或不完善度,达到对重选效果进行快速评定的目标。论文选取31个生产班次入洗原煤快浮数据和快灰数据,用快浮数据对月综合浮沉数据进行校正,用校正后的数据计算累计灰分,并把此灰分与对应时间的原煤快灰数据对比,结果显示,其算术平均差值为0.53,绝对平均差值为1.50,误差相对较小,此物料密度组成的快速预测模型可以使用。论文研究了用粒子群算法进行可选性曲线和分配曲线的拟合参数的寻优算法,此法不需要输入初始参数值,只需输入参数取值空间即可,简便易行。由于现有拟合模型在一些特殊情况下拟合效果不佳,因此经大量数据拟合试验,从S形增长函数中新发现5种可用于可选性曲线和分配曲线拟合的函数。论文用同一分配率数据验证新提出的5种拟合模型,并用PSO算法来进行曲线拟合的参数寻优,结果表明在特殊情况下,新提出的拟合模型较现有的模型的拟合效果更好。