摘要：基于礦物加工研究的歷史數(shù)據(jù)，運用數(shù)據(jù)挖掘技術(shù)的分類與關(guān)聯(lián)規(guī)則功能的典型算法，女叮48算法和Apriori算法，從MYSQL數(shù)據(jù)庫中調(diào)用與某一主題相關(guān)的礦物數(shù)據(jù)，經(jīng)預(yù)處理后進(jìn)行挖掘處理，得到潛在的、對人們有用的信息與知識。以判斷銅硫硫化礦中硫元素是否回收為例，簡單介紹了如何將傳統(tǒng)礦物加工工藝與現(xiàn)在信息化技術(shù)相結(jié)合。研究結(jié)果可為將來深入研究奠定基礎(chǔ)。

　　關(guān)鍵詞：傳統(tǒng)礦物加工工藝;數(shù)據(jù)挖掘技術(shù);MYSQL數(shù)據(jù)庫;硫元素;規(guī)則知識

　　礦物論文投稿刊物：《礦物學(xué)報》是我國最有影響的礦物學(xué)專業(yè)核心期刊，季刊，國內(nèi)外公開發(fā)行。推動國內(nèi)外礦物學(xué)工作者之間學(xué)術(shù)思想和科研成果交流，促進(jìn)我國礦物學(xué)事業(yè)的發(fā)展。

　　隨著信息化技術(shù)的飛速發(fā)展，如何將傳統(tǒng)的選礦技術(shù)研究與現(xiàn)代信息化技術(shù)相結(jié)合已成為當(dāng)今的一個研究熱點。傳統(tǒng)選礦方法開發(fā)周期長，若遇到相同或不同礦石，試驗過程中均需要做大量的重復(fù)性工作，導(dǎo)致了大量人力、物力和財力的浪費，并且試驗人員的寶貴經(jīng)驗難以得到傳承，造成這些問題的主要原因之一就是大量歷史選礦試驗數(shù)據(jù)、工藝礦物學(xué)數(shù)據(jù)等沒有得到有效利用。為此，孫傳堯院士等E提出了“基因礦物加工工程”的概念并將其付諸實施，為礦物加工的發(fā)展指引出了一個新的研究方向。本文主要對“基因礦物加工工程”中的智能決策作研究，以近十幾年來銅硫硫化礦選礦報告數(shù)據(jù)為基礎(chǔ)，利用數(shù)據(jù)挖掘技術(shù)從海量的、不完整的、含噪聲的數(shù)據(jù)中，挖掘出人們事先不知道的但潛在有用的信息和知識。

　　1數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘是從大量的、不完整的、含噪聲的數(shù)據(jù)中發(fā)現(xiàn)隱含的、人們事先不知道的、但又潛在有用的知識的過程⑵。其主要特點是能夠從海量數(shù)據(jù)中抽取出輔助決策的關(guān)鍵性知識。由于數(shù)據(jù)庫中存在大量的數(shù)據(jù)，因此，能夠充分利用這些數(shù)據(jù)并能發(fā)現(xiàn)有價值的信息非常重要，而數(shù)據(jù)挖掘技術(shù)正是為解決這個問題而出現(xiàn)的⑶。

　　2數(shù)據(jù)挖掘的基本過程及算法介紹

　　2.1數(shù)據(jù)挖掘的基本過程

　　數(shù)據(jù)挖掘的對象不是原始數(shù)據(jù)，是經(jīng)過一定選擇、預(yù)處理和轉(zhuǎn)換之后的數(shù)據(jù)⑷。

　　2.1.1確定數(shù)據(jù)對象用于數(shù)據(jù)挖掘的數(shù)據(jù)主要來自北京礦冶科技集團(tuán)有限公司礦物所提供的銅硫硫化礦選礦研究報告中的歷史數(shù)據(jù)。

　　2.1.2礦物數(shù)據(jù)準(zhǔn)備根據(jù)主題，把相關(guān)數(shù)據(jù)存儲到MYSQL數(shù)據(jù)庫中，相關(guān)主題主要有是否脫泥、是否預(yù)浮、銅硫元素是否回收、礦石類型、精礦類型、磨浮段數(shù)、銅快浮、銅硫混浮、銅硫優(yōu)先等，這里主要以硫元素是否回收為主題。

　　2.1.3數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)挖掘時，不同的挖掘算法對預(yù)處理后數(shù)據(jù)類型有不同的要求，在進(jìn)行數(shù)據(jù)挖掘之前，常需對數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，以滿足不同算法的要求。

　　2.1.4結(jié)果分析

　　挖掘產(chǎn)生的規(guī)則知識，并不完全符合我們的要求，需要我們對其進(jìn)行分析討論后，從中選擇出對我們有用的規(guī)則知識。

　　2.2算法介紹

　　數(shù)據(jù)挖掘的主要功能有分類回歸、聚類、關(guān)聯(lián)規(guī)則和主成分分析等，每種功能都有幾種乃至數(shù)十種算法，這里主要介紹此次利用的兩種典型算法，J48算法和Apriori算法。

　　2.2.1J48算法&旳在WEKA平臺中把C4.5算法的實現(xiàn)命名為J48算法，以下均稱為J48算法。J48算法是由RossQuinlan發(fā)的用于產(chǎn)生決策樹的算法，該算法是對ID3算法的一個擴(kuò)展。決策樹算法是一種比較有代表性的有監(jiān)督學(xué)習(xí)算法，有監(jiān)督學(xué)習(xí)就是提供一組訓(xùn)練樣本，每個樣本都有一個類別和一組屬性，類別屬性值是預(yù)先知道的，通過歸納得到一個分類模型，利用這個規(guī)則模型能夠?qū)�測試樣本進(jìn)行分類。決策樹J48算法是近幾年最為流行的一種算法，在數(shù)據(jù)挖掘的分類問題中已得到廣泛應(yīng)用。

　　3數(shù)據(jù)挖掘處理

　　為了將傳統(tǒng)的礦物加工技術(shù)與現(xiàn)代信息化技術(shù)相結(jié)合，利用近幾年新興的數(shù)據(jù)挖掘技術(shù)從銅硫硫化礦研究報告的歷史數(shù)據(jù)中挖掘出隱含的、潛在的對我們有用的信息與知識。研究主要圍繞著硫元素是否回收的問題，簡單地介紹如何利用分類算法J48和關(guān)聯(lián)規(guī)則Apriori算法從銅硫硫化礦研究報告歷史數(shù)據(jù)中挖掘出有用規(guī)則知識的過程。此次數(shù)據(jù)挖掘共收集了18份研究報告的20組數(shù)據(jù)進(jìn)行試驗。影響硫元素是否回收的主要因素有硫的化學(xué)含量、含硫礦物的礦物含量和硫礦物V0.01mm的含量。

　　3.1硫元素回收之Apriori算法

　　Apriori算法要求的數(shù)據(jù)類型均為標(biāo)稱型，并且數(shù)據(jù)中存在空缺值，因此在數(shù)據(jù)挖掘之前對其進(jìn)行預(yù)處理操作，去除數(shù)據(jù)中含有空缺值的記錄并對其進(jìn)行離散化處理。利用上述預(yù)處理后的數(shù)據(jù)對其數(shù)值型數(shù)據(jù)進(jìn)行分箱操作，即離散化處理。選用Associate功能中的Apriori算法，保持默認(rèn)的參數(shù)不變，對預(yù)處理后的數(shù)據(jù)進(jìn)行挖掘處理，并不是所有規(guī)則都符合我們的要求，需要我們從中選擇出對我們有用的規(guī)則知識。以第九條規(guī)則為基礎(chǔ)，簡單的介紹下此類規(guī)則的意義。式中==>符號兩側(cè)的數(shù)據(jù)分別稱為前件和后件，前件的數(shù)字6代表著前件在以上16條記錄中出現(xiàn)了6次，后件的數(shù)字6代表著在滿足前件的記錄中，也有6條記錄符合此條規(guī)則，所以它的置信度conf=l,即在滿足前件的條件下，一定能得到后件的結(jié)果。

　　4結(jié)論

　　1)J48算法數(shù)據(jù)擬合度高，Apriori算法主要挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，需要我們從大量的規(guī)則中尋找對我們有用的知識。2)主題相關(guān)數(shù)據(jù)的質(zhì)量直接影響著數(shù)據(jù)挖掘產(chǎn)生結(jié)果的好壞，數(shù)據(jù)預(yù)處理在其中扮演著不可替代的重要作用。3)從對銅硫硫化礦選礦硫元素是否回收這一主題進(jìn)行數(shù)據(jù)挖掘的結(jié)果來看，能夠?qū)��?shù)據(jù)挖掘技術(shù)應(yīng)用于傳統(tǒng)的礦物加工領(lǐng)域，通過二者的結(jié)合,挖掘出對我們有價值的規(guī)則知識來輔助我們進(jìn)行決策。4)研究結(jié)果可為將來進(jìn)一步研究奠定基礎(chǔ)。