摘要：数据挖掘是从大量的、不完整的、含噪声的数据中发现隐含的、人们事先不知道的、但又潜在有用的知识的过程。其主要特点是能够从海量数据中抽取出辅助决策的关键性知识。由于数据库中存在大量的数据，因此，能够充分利用这些数据并能发现有价值的信息非常重要，而数据挖掘技术正是为解决这个问题而出现的。本文从大数据挖掘技术的概述入手，对数据挖掘技术在矿物加工中的应用进行了分析。
关键词：数据挖掘技术；矿物加工；应用
引言
随着信息化技术的飞速发展，如何将传统的选矿技术研究与现代信息化技术相结合已成为当今的一个研究热点。传统选矿方法开发周期长，若遇到相同或不同矿石，试验过程中均需要做大量的重复性工作，导致了大量人力、物力和财力的浪费，并且试验人员的宝贵经验难以得到传承，造成这些问题的主要原因之一就是大量历史选矿试验数据、工艺矿物学数据等没有得到有效利用。本文利用数据挖掘技术从海量的、不完整的、含噪声的数据中，挖掘出人们事先不知道的但潜在有用的信息和知识。
1大数据挖掘技术的概述
数据分析技术者就是对于如今已有的数据挖掘以及积极学习技术不断的进行改进，并且开发出一种新型的对数据进行挖掘的技术。比如说可以通过特殊组挖掘图形挖掘以及数据网络挖掘的方式达到这一目的，从而突破原有的数据连接以及相似连接的数据融合技术针对于用户的网络行为以及兴趣，还有情感语义进行分析，等通过对于有关的领域进行研究，更进一步的改进数据挖掘技术，从而能够在大量的模糊不完整以及随机的数据网络中提取出自己所需要的，但是隐藏极深，虽然说在广大数据当中，这些信息以及知识始终处于隐藏状态，并不能直观的感受到，但是这也是一种潜在的信息，以及只是具有了一定的利用价值而在进行大数据分析挖掘过程当中所使用的技术可以有多种的分类方法再进行数据的过程当中可以通过数据汇总以及聚集等，在进行规则的关联之后，通过建设出数据模型等，从而出现异常状态时，及时的发现并进行解决。而在数据挖掘的过程当中，分析从数据库当中所提取出来的数据，从而进一步的分析数据挖掘的主要目标之后通过分析挖掘算法，具体宽度之后对于数据进行挖掘，而在传统意义上常用的数据挖掘软件，只能够处理三个计算机当中的小型数据，正因为这一局限性想要进一步的分析以及挖掘大规模的数据，就需要使用抽样的方法，尽可能的使得最终所获取的数据具备有准确性。
2大数据挖掘系统主要组成部分
大数据挖掘系统的主要组成部分，包括知识库数据库模式评估以及服务器等4个主要组成部分，通过这4个部分才能够在海量无序的数据以及信息当中选择出最为有效的信息，同时根据决策的方向而制定出一个较为有效的参考方案，其中在大数据分析挖掘技术内容当中，数据库主要的作为依托的对象，负责收集所需要的数据，同时对涉及到数据进行储存以及进一步的分析，以及综合从而更好的帮助决策者进行决策以及分析，而服务器则主要的提供相应帮助有关数据的分析以及综合，同时还能够根据用户发出的指令，对于信息进行提取，在进行数据的收集以及胎儿过程当中，主要来使用了知识库，从而对于所需要的多个数据以及信息进行分析归纳以及整合而进行模式评估则是需要根据搜寻者之前所搜寻的，判断出其大致的兴趣之后进行度量而完成整个数据的寻找以及整合处理，从而确定出具体的评定参数。
3基于数据挖掘的矿物加工系统软件设计
（1）数据采集模块。在数据采集模块中，有必要对上板、矿层的位移距离以及岩体内部应力值等进行采集，由于这些数据是连续不断且持续变化的，因而需要采取内触方式，通过NIDAQmax完成数据的智能采集。（2）数据分析模块。数据分析模块主要是用于对传感器输出信号进行有效分析。
期刊文章分类查询,尽在期刊图书馆首先将采集到的电子信号转变为相对应的应力值，并据此得出这些物理性质的变化速率以及加速度，之后评判这些数据是否超过预警值。（3）元数据管理模块。元数据管理模块主要是用于对生成元数据信息进行单独编辑，另外，元数据库作为元数据实现数据共享的信息来源，元数据的管理工作有必要对元数据库进行日常维修和监管，以确保元数据库作为数据集合的有效来源而实现数据共享，因而必须涵盖数据提交、数据浏览、数据查询以及数据管理等内容。（4）报表自动生成模块。地下矿床回采工作需要设计单位、输送单位、爆破单位等多个部门的统筹合作，各个单位之间的信息交流一般是以报表为主，假如报表间的格式差异较大，就会加大现场工作人员的工作量。
4数据挖掘技术在矿物加工中的应用
数据挖掘的对象不是原始数据，是经过一定选择、预处理和转换之后的数据。
4.1矿物数据准备
把相关数据存储到MYSQL数据库中，相关主题主要有是否脱泥、是否预浮、铜硫元素是否回收、矿石类型、精矿类型、磨浮段数、铜快浮、铜硫混浮、铜硫优先等，这里主要以硫元素是否回收为主题，数据库中的矿物数据是数据挖掘的信息源，但原始数据通常含有大量的噪声、空缺值和不平衡等问题，直接把原始数据用于数据挖掘是不切实际的，会严重影响挖掘的效率和结果的有用性，甚至产生一些无效的归纳。需对原始矿物数据进行预处理，为数据挖掘提供准确、简洁的数据，预处理后的数据才是数据挖掘的操作对象。常用的预处理方法主要包含数据清洗、数据集成、数据变换和数据规约等。
4.2数据挖掘
进行数据挖掘时，不同的挖掘算法对预处理后数据类型有不同的要求，在进行数据挖掘之前，常需对数据进行转换处理，以满足不同算法的要求。在大数据中，常见的算法分析有许多，具体为：（1）分类分析。在分类分析中，企业能够利用大数据技术将不同类别、不同层级的客户进行分类，帮助企业获取到不同的算法。（2）回归分析。回归分析是企业在大数据技术中应用最多的数据技术之一，它能够利用函数将相同数据表达的数据进行归类处理，并反映出相同属性之间的数据关系，为企业针对特定群体进行数据决策提供支持。（3）关联规则。在关联规则中，大数据技术能够为用户推送其目前浏览的数据的相似数据，并逐步分析客户的具体需求，将数据推送更加精准。（4）神经网络算法。神经网络算法所应用到的人工智能技术和AI技术是我国的最新科技，也是大数据技术未来的发展方向，它能够针对不全的、模糊的信息进行分析，并将数据进行分类以及分析，并帮助企业分析用户的实际需求，在企业的实际决策中发挥了重要的作用。
结束语
在如今的信息化时代当中，想要使我国的各个行业领域不断的向前发展，就需要应用到大数据分析以及挖掘技术。从而能够使得挖掘者从海量模糊不确定的信息当中挖掘出自己所需要具备有一定利用价值的信息，从而更好的为用户下一步的决策提供充分有效的数据。保证通过使用信息化以及大数据分析挖掘技术，使得人类生活朝着便捷、个性方便的方向发展。
参考文献：
[1]陈军，卫亚儒.选矿大数据挖掘与自动化技术应用浅析[J].中国钼业，2018，42（06）：22-24.
[2]于晶.大数据时代的数据挖掘及应用探究[J].科技与创新，2018（24）：160-161.
[3]谢昊，王学明.数据挖掘中几种聚类算法的分析比较[J].信息与电脑（理论版），2018（24）：66-68.
[4]赵馥琳，韩博，李绪泉.大数据时代下基于ZigBee和数据挖掘技术的空调测控系统[J].青岛理工大学学报，2018，39（06）：81-84+108.
论文作者:魏鑫,高飞燕
论文发表刊物:《基层建设》2019年第28期
论文发表时间:2020/1/13
标签：数据论文; 数据挖掘论文; 技术论文; 矿物论文; 信息论文; 算法论文; 大数论文; 《基层建设》2019年第28期论文;