煤炭企业信息处理能力不足，日益成为制约煤炭企业安全水平进一步提升的瓶颈。可视化管理作为突破数据认知与处理瓶颈的有力工具，正是在顺应第四次产业革命发展大背景下，对传统煤炭企业安全管理的变革。《基于数据挖掘的煤矿安全可视化管理》以煤矿安全管理为主线，演绎其可视化管理体系构建、知识可视化模型与算法、展示可视化图元与可视化方式优化和可视化管理效应等相关理论与方法。《基于数据挖掘的煤矿安全可视化管理》总结和阐释了可视化管理理论，将数据可视化技术应用到煤矿安全管理中，所形成的一系列创新性成果对于推动本领域的理论研究、智慧矿山关键技术难题的突破，具有重要的学术价值，对于指导矿山生产实践和智慧矿山建设具有参考借鉴作用。

数据挖掘

第1章 绪论
　　1.1 研究背景
　　有效的管理将有助于团队更高效地实现既定目标，帮助组织获取更大的利益。管理之所以重要，首先体现在，在当今这个复杂的、不断变化的时代，组织比以往任何时候都需要管理人员具备高超的管理技能和能力，以应对不断出现的各种挑战。其次，有效的管理对工作的顺利完成至关重要，管理不仅要保证个人完成既定的任务，同时也需要保障团队、集体的高效运转。*后，管理能力对于组织的价值创造以及价值观的形成非常重要。
　　早期的管理理论家，大体上认为其提出的管理原则应当是普遍适用的，但之后的研究发现了很多这些原则的例外情况。例如，劳动分工是有价值的，而且被广泛运用，但是工作有时也会变得过度专业化。官僚行政组织适用于多种情况，但在另外一些情况下，其他结构设计效果更加显著。管理并不是基于过于简单化的和适用于所有情况的管理原则，不同的和不断变化的情况要求管理者运用不同的方法和技术。
　　现今的管理者在进行管理时面临的问题更加复杂。虽然人们说信息时代的黎明始于 Samuel在1837年发明了电报，但信息技术( Information Technology，IT)*显著的变化发生于20世纪后半叶，而且这些变化直接影响了管理者的工作。过去，组织的计算资源通常是被鐁在恒温室的大型计算机，只有专家才能够接触。现在，组织中每一个成员都被联系在一起。就如同18世纪工业革命对刚刚兴起的管理产生的影响那样，信息技术的发展也带来了戏剧性的变革，并且仍将深刻影响管理组织的方式。
　　近半个世纪以来，随着信息技术全面深入地融入人类生产生活的各个角落，信息爆炸已经积累到了一个开始引发变革的程度。每1分钟，有大约47000个应用程序被下载至电脑、手机上，有6个新的维基百科的文章发表，约有639800 GB的数据在全球网络上传输，包括2000万次浏览照片和3000次的上传[1]。信息总量的变化导致了信息形态的变化—量变引起了质变。
　　*先经历信息爆炸的学科，如天文学和基因学，提出了“大数据”( Big Data)的概念。从字面来看，“大数据”这个词可能会让人觉得只是容量非常大的数据集合而已。但容量只不过是大数据特征的一个方面，如果只拘泥于数据量，就无法深入理解当前围绕大数据所进行的讨论。因此，麦肯锡利用四个特征相结合来定义大数据：数量(Volume)、种类(Variety)、速度( Velocity)和价值(Value)。
　　用一般的现有技术难以驾驭大数据，因此，可视化( Visualization)也就应运而生。可视化可以称为一种思想、一种模式、一种方法，其目的是实现所有内容真实可见，即人们常说的“看得见”。从自然科学的角度来看，人类对于图形信息的接收能力远高于其他类型的信息。根据美国宾夕法尼亚大学医学院的科研人员估计，人类视网膜“视觉输入(信息)的速度可以和以太网的传输速度相媲美”。在研究中，科研人员将一只取自豚鼠的完好视网膜和一台称为“多电极阵列”的设备连接起来，该设备可以测量神经节细胞中的电脉冲值。神经节细胞将信息从视网膜传达到大脑。基于这一研究，科研人员能够估计出所有神经节细胞传递信息的速度。其中一只豚鼠视网膜含有大概100000个神经节细胞，相应地，科研人员就能够计算出人类视网膜中的细胞每秒能传递多少数据。人类视网膜中大约包含1000000个神经节细胞，算上所有的细胞，人类视网膜能以大约10Mbit/s的速度传达信息。
　　丹麦科研人员也同样证明了人类通过视觉接收的信息比其他任何一种感官都快。如果人类通过视觉接收信息的速度和计算机网络相当，那么通过触觉接收信息的速度就只有它的十分之一。人类通过嗅觉和味觉接收信息的速度更慢，大约是触觉接收速度的十分之一。换句话说，人类通过视觉接收信息的速度比其他感官接收信息的速度快了10～100倍。因此，可视化能够传递庞大的信息量就容易理解了。如果包含大量数据的信息被压缩成了充满知识的图形，那么人类接收这些信息的速度会更快。
　　管理科学同样面临数据激增的问题，自然地，可视化管理的思想也就被随之引入。可视化是提升管理水平的有效工具，一方面，不论管理者的直觉是多么准确，在当前复杂性日益增长的环境中，仅仅依靠管理人员自己的经验是不行的。另一方面，优秀的管理不是可以简单学习到的，随着管理对象的增多，管理学本身已经成为包罗万象的复杂科学，成为一个杰出的管理者，比成为一个杰出的艺术家更费时费力。幸运的是，复杂系统不一定需要复杂的管理，而且经常与之相反，*高效的管理人员可以把一个复杂的系统逐步分解，从而化繁为简，可视化使得这一过程更加直观，令系统的分解“触手可及”。
　　可视化是在管理活动中实现高绩效并取得成功的强有力技术。可视化为管理者提供了一种强有力的语言，让管理人员可以理解复杂系统中的各个关键元素，并且把各个元素之间的关系和各个元素对整体的关系栩栩如生地展现给管理者。
　　可视化可以将事实融入数据，它可以将大量数据压缩成便于使用的知识。因此，可视化不仅是一种传递大量信息的有效途径，它还和大脑直接联系在一起，并能触动感情，引起化学反应。研究表明，不仅可视化本身很重要，何时、何地、以何种形式呈现对可视化来说也至关重要。
　　通过设置正确的场景，选择恰当的颜色甚至选择一天中合适的时间，可视化可以更有效地传达隐藏在大量数据中的真知灼见。将大量数据可视化，可能是指导人类行动的*强大机制之一。
　　可视化管理(Visual Management)起源于可视化的思想，可视化管理是将可视化的思想应用到管理中，基于工厂管理实践，形成了传统的可视化管理理论，如现场管理、看板管理等。随着信息技术的发展，可视化管理的范畴也随之延伸，管理的内容不再局限于人直接观察到的内容，经过计算机图形、图像处理技术的加工和处理，可以将更远距离、更隐性的管理内容转化为图形或图像，*终将可视化结果直观地展示在屏幕上，从而形成了基于认知科学和可视化技术的现代可视化管理。现代可视化管理是基于信息技术和人类认知规律而开展的管理，能够有效促进人们对管理内容的认知、理解和应用，与传统管理模式相比，它进一步突出了管理内容的图形化、透明化、直观化、实时化、动态化和分享化等特点。
　　1.2 发展可视化管理的目的和意义
　　随着信息科学以及管理科学的发展，可视化管理与信息技术的联系日益紧密。可视化管理使得企业的流程对管理者清晰可见，实现企业内部信息的可视化和管理的透明化，将海量的信息以恰当的展示方式直观呈现，其目的及意义可以概括如下：
　　(1)明确告知应该做什么，做到早期发现异常情况。
　　就如同人在不同的认知场景下存在的认知差异，传统的管理中，管理者需要首先识别管理目标，再根据确定的目标采取行动，可视化管理的步骤也应如此。事实上，可视化管理的优势在于其为管理者增加了一个全新的信息接收方式，它充分利用了视觉感官这一人类接收信息*快的方式，通过形状、颜色、样式等多种形式，将不可见或较难发现的目标信息显性化，使得管理者对于自己要做什么一目了然，对于管理中可能出现的各类问题有更加清晰的判断。
　　(2)防止人为失误或遗漏，并始终维持正常状态。
　　在管理中，人总是能够起到决定性的作用。诚然，技术的发展使得管理者对于管理过程的参与越来越少，甚至出现了“机器取代人工”的趋势，但决定管理是否成功、决策是否有效的关键仍然是人，*终的决策仍需要管理者做出。可视化管理的目的，不是取代人，而是作为一种结合了信息技术与管理科学的有力工具，将平时不可见或难以发现的管理过程以易于被理解的方式展现给管理者，提示易被忽视的环节，警告可能出现的错误，辅助他们做出*有利的决策，维持组织正常有序运转。
　　(3)通过视觉，问题点和浪费现象容易暴露。对于数量有限的管理人员来说，在限定的时间内所能够解决的问题都是有限的。
　　从资源的角度来看，管理者本身即是一种稀缺资源。当前，管理者常将有限的精力投入到重复烦琐的数据处理中，这对于管理是不利的。可视化管理的目的之一，是将管理者从低级劳动中解放出来，将海量数据的本质以清晰可见的方式呈现出来。
　　(4)发掘“大数据”的价值。
　　在管理中，管理者得到的信息越多，也就越能够获取对于管理对象的准确判断。当前，相对于丰富的信息，人们有限的数据处理能力才是制约管理者提升管理效率的真正原因。可视化管理一方面充分利用数据挖掘技术，将烦琐数据中的价值充分提取，另一方面利用人类接收信息*快的视觉方式，与管理者充分沟通。
　　1.3 可视化管理的科学问题
　　随着管理过程的日益复杂以及公众对管理要求的不断提高，可视化管理为新时代背景下管理科学突破瓶颈、深度发展提供了良好的契机。传统的管理科学对于管理过程的描述往往显得大而全，难以聚焦到问题的本质，可视化管理在充分考虑管理者需求的前提下，能够紧抓问题的关键节点，带来管理效率的巨大提升。可视化管理主要解决的关键科学问题如下：
　　(1)复杂类型数据的转化方法。
　　知识是包含事物发展规律的一系列规则集，可视化管理首先要做的就是将*初获取的原始数据转化为有益于管理的知识。不同类型的数据有不同的转化方法，社会发展至今，数据的类型也愈加复杂，既有纯数学的数字，也有经验型的文本，同时，多媒体技术带来了数据类型的极大丰富，图片、音频、视频等更加复杂的多媒体数据也作为原始的数据形式出现。基于海量数据，运用新兴的数据挖掘技术，构建知识发现模型，解释原始数据与知识的关系，在此基础上提出针对性的治理方法。
　　(2)数据价值的提取技术。
　　数据蕴含价值，但在大多数情况下，数据的价值是隐性的，并不显现给管理者，必须将其变成知识才能指导管理实践。提取数据的价值是一个将数据向知识转化的过程，这一过程中，首先需要明确管理所需实现的目标，以目标为导向，定位数据价值，采取合理的技术手段，完成*终的转化。数据价值的提取技术，不仅仅囊括现有的数据挖掘、文本挖掘范畴，同时包括数据展现及人类的心理认知。
　　(3)可视化方式的有效认知问题。
　　正如文学鉴赏中每个读者都对事物有其独到的见解一样，不同的可视化方式也会带来不同的认知效果。可视化固然为信息表达引入了丰富的视觉效果，但有用的信息也存在被纷繁的视觉效果掩盖的可能，同时，不同人群对于同一种可视化方式的认知效率也有所不同。基于认知心理学，设计实验验证管理者吸收和利用信息效率的影响因素，研究不同的管理对象及其属性之间的映射关系。
　　(4)标准化的可视化表达体系。
　　标准缺失是传统管理的巨大缺陷，它使得数据、知识的表达更加复杂，使得同一个问题可能产生不同的解释。例如，如果不结合上下文，对于“管理人员”一词，我们既可以理解为名词性的“管理者”，也可以理解为表述行为的“管理+人员”。可视化管理中，更加丰富的视觉效果更有可能造成理解的歧义，因此，建立标准化的可视化表达体系，才能在吸取可视化传达信息丰富的优点上，避免信息表达错误的缺陷，同时，标准化有利于不同层级的管理者跨越交流表达的信息鸿沟。
　　1.4 主要研究方法
　　本书所采用的研究方法如下：
　　(1)文献研究法。
　　文献研究法的主要目的是把握拟研究科学问题的研究现状，明确未来研究方向及重点。通过对可视化管理、知识可视化、数据挖掘、可视化图元、可视化管理效应等相关领域文献的研读，分析当前研究的不足，由此确定本书后续研究的重点。
　　(2)逻辑方法。
　　逻辑方法是人们在逻辑思维过程中根据现实知识按照逻辑思维的规律、规则形成概念、做出判断和进行推理的方法。本书采用逻辑方法，按照人们思考问题的逻辑规律，针对可视化管理是什么、为什么有效、如何实现、怎样实施和评价等问题，构建可视化管理理论体系；针对可视化管理的作用机理，采用分析与综合方法提出管理者认知信息加工模型，并从认知负荷的角度分析可视化的优化作用；针对可视化方式评价，建立

目录
前言
第1章 绪论 1
1.1 研究背景 1
1.2 发展可视化管理的目的和意义 3
1.3 可视化管理的科学问题 4
1.4 主要研究方法 5
1.5 内容框架 6
第2章 国内外研究综述 8
2.1 可视化管理理论 8
2.2 数据可视化方法 11
2.3 时间序列数据趋势性 15
2.3.1 时间序列趋势性分析与描述 15
2.3.2 时间序列分段线性表示研究 17
2.3.3 时间序列趋势相似性度量研究 19
2.4 可视化图元体系 20
2.4.1 图元内涵界定 20
2.4.2 图元技术研究 21
2.4.3 图元提取研究 22
2.4.4 图元设计研究 25
2.4.5 图元应用研究 27
2.5 可视化管理效应 29
2.5.1 可视化效应相关研究 29
2.5.2 可视化效应相关认知理论与实验研究 30
第3章 可视化管理理论体系构建 34
3.1 可视化管理内涵 34
3.2 可视化管理体系构建 35
3.2.1 可视化管理体系总架构 35
3.2.2 可视化管理理论支持 37
3.2.3 可视化管理技术 53
3.2.4 知识可视化研究的根本问题 56
3.2.5 展示可视化研究的根本问题 57
3.3 可视化管理机理分析 58
3.3.1 作用机理理论分析 58
3.3.2 知识可视化方法及实现 61
3.3.3 展示可视化方法及实现 63
3.4 可视化管理模型 66
3.4.1 知识可视化模型 66
3.4.2 展示可视化模型 68
第4章 可视化管理数据治理 70
4.1 可视化管理数据源及特点 70
4.2 可视化管理数据集构造 73
4.2.1 数据集1：TF煤业煤矿安全数据 73
4.2.2 数据集2：司马煤业煤矿安全隐患数据 84
4.2.3 数据集3：煤矿安全事故调查报告数据 91
4.2.4 数据集4：煤矿CO监测数据 91
4.2.5 数据集5：煤矿瓦斯监测数据 93
4.2.6 数据集6：煤矿负压监测数据 94
4.3 数据清洗及组织 95
4.3.1 数据异常的主要类型 96
4.3.2 数据清洗的任务和过程 97
4.3.3 数据清洗的具体方法 98
4.3.4 数据清洗的评价标准 99
第5章 基于交互分析的知识可视化研究 101
5.1 交互分析概述 101
5.1.1 对应分析模型 101
5.1.2 对数线性模型 104
5.1.3 灰色关联模型 105
5.1.4 变量独立性检验 107
5.2 安全变量交互分析 109
5.2.1 两变量交互分析 109
5.2.2 多变量交互分析 115
5.3 隐患时空规律分析 125
5.3.1 煤矿安全隐患时间规律分析 126
5.3.2 煤矿安全隐患空间规律分析 132
第6章 基于文本挖掘的知识可视化研究 138
6.1 文本挖掘概述 138
6.2 LDA文本主题模型 139
6.3 文本分类模型 141
6.4 煤矿安全隐患主题挖掘 145
6.5 煤矿安全隐患文本分类 149
第7章 基于社会网络分析的知识可视化研究 154
7.1 社会网络分析概述 154
7.1.1 社会网络分析基本概念 154
7.1.2 社会网络的分类 155
7.1.3 社会网络的研究范围 156
7.2 煤矿安全隐患社会网络分析 157
7.2.1 中心性分析 158
7.2.2 凝聚子群分析 159
7.3 煤矿事故致因社会网络分析 160
7.3.1 事故致因模型构建 161
7.3.2 网络模型分析 167
第8章 基于关联规则挖掘的知识可视化研究 172
8.1 关联规则挖掘概述 172
8.1.1 关联规则简介 172
8.1.2 Apriori算法 175
8.1.3 FP-Growth算法 176
8.1.4 多维关联规则挖掘 177
8.2 TF 煤业危险源关联规则分析 178
8.2.1 建模分析 179
8.2.2 模型构建 179
8.2.3 关联规则挖掘工具 180
8.2.4 煤矿危险源关联规则挖掘实例 180
8.3 司马煤业煤矿危险源关联规则挖掘 185
8.3.1 危险源关联规则挖掘问题描述 185
8.3.2 司马煤业危险源辨识与危险源类型 186
8.3.3 司马煤业危险源关联规则挖掘 187
8.4 煤矿安全事故致因因素的关联规则挖掘 191
8.4.1 煤矿安全事故致因关联规则挖掘模型 191
8.4.2 煤矿安全事故致因因素时间关联规则 199
8.4.3 关联规则挖掘对煤矿安全管理的影响 210
第9章 基于趋势性分析的时间序列数据知识可视化研究 212
9.1 时间序列趋势描述基元体系 212
9.2 基于遗传算法的时间序列分段线性表示 214
9.2.1 算法实现步骤 215
9.2.2 基于PLR_GA的时间序列数据降维变换过程 218
9.2.3 算法特点分析 219
9.3 基于SPADE算法的趋势序列频繁模式发现 219
9.4 动态模式匹配 221
9.4.1 模式匹配距离 221
9.4.2 动态时间弯曲距离 221
9.4.3 动态模式匹配 222
9.4.4 算法特点分析 223
9.5 CO监测数据趋势性分析 224
9.5.1 基于PLR_GA的降维趋势变换 224
9.5.2 不同压缩率条件下的CO频繁序列模式评估 227
9.6 瓦斯监测数据趋势性分析 229
9.6.1 基于PLR_GA的降维趋势变换 229
9.6.2 不同压缩率条件下的瓦斯趋势序列频繁模式评估 232
9.7 负压监测数据趋势性分析 235
9.7.1 基于PLR_GA的降维趋势变换 236
9.7.2 不同压缩率条件下的负压趋势序列频繁模式评估 238
9.8 煤矿安全综合数据趋势性分析 242
9.8.1 数据选择与预处理 242
9.8.2 煤矿安全趋势序列数据类型识别 244
9.8.3 聚类结果 245
9.8.4 基于SPADE的序列趋势相似性关系分析与评估 246
第10章 可视化管理图元研究 249
10.1 图元 249
10.1.1 图元相关概念 249
10.1.2 图元的应用 250
10.1.3 图元构成方法 252
10.2 可视化图元提取研究 255
10.2.1 煤矿安全可视化管理图元提取研究 255
10.2.2 煤矿安全可视化管理基本图元OMP 提取模型研究 256
10.2.3 煤矿安全可视化管理基本图元构建 257
10.2.4 煤矿安全可视化管理有效信息内容研究 257
10.2.5 煤矿安全可视化管理专业图元提取研究 259
10.3 可视化图元设计研究 261
10.3.1 可视化管理图元设计认知因素研究 261
10.3.2 煤矿安全可视化管理图元设计选择PDCE 模型 262
10.3.3 煤矿安全可视化管理图元设计研究 262
10.3.4 煤矿安全可视化管理图元选择研究 265
10.4 可视化图元拼接与组合研究 265
10.4.1 图元拼接与组合基本理论 265
10.4.2 场景拼接中涉及的原则和依据 267
10.4.3 管理场景 271
10.5 可视化图元应用 277
10.5.1 煤矿安全可视化管理图元应用内容及原则 277
10.5.2 煤矿安全可视化管理图元应用RCPG 模型 281
10.5.3 煤矿安全可视化管理图元应用模型定性与定量分析 286
第11章 可视化方式研究 300
11.1 可视化方式 300
11.1.1 可视化方式相关概念 300
11.1.2 可视化方式的相关理论 301
11.1.3 可视化方式的应用 306
11.2 煤矿安全可视化方式关联因素研究 309
11.2.1 煤矿安全可视化方式的关联因素维度研究 309
11.2.2 煤矿安全可视化方式的描述因素分析 312
11.2.3 煤矿安全可视化方式的影响因素分析 320
11.2.4 煤矿安全可视化方式的SCE因素关系模型 325
11.2.5 煤矿安全可视化方式的ISQ优化需求评估 328
11.3 煤矿安全可视化方式设计选择研究 331
11.3.1 煤矿安全可视化方式的设计选择理论 332
11.3.2 煤矿安全可视化方式的FODV设计模型 334
11.3.3 煤矿安全可视化方式的优化设计实例与效果分析 342
11.3.4 煤矿安全可视化方式的选择模式研究 350
11.3.5 煤矿安全可视化方式的选择交互系统实现 354
第12章 可视化管理效应研究 361
12.1 可视化管理效应 361
12.1.1 可视化管理效应相关概念 361
12.1.2 可视化管理效应指标选择 362
12.2 可视化管理效应评价指标体系构建 364
12.2.1 煤矿安全可视化管理效应的评价指标构建 364
12.2.2 煤矿安全可视化管理主体效应指标 365
12.2.3 煤矿安全可视化管理客体效应指标 367
12.2.4 煤矿安全可视化管理组织效应指标 367
12.2.5 煤矿安全可视化管理效应指标筛选 368
12.3 可视化管理效应的影响因素分析 369
12.3.1 煤矿安全可视化管理效应影响因素研究理论与方法 369
12.3.2 煤矿安全影像可视化实验 370
12.3.3 煤矿安全图形可视化实验 372
12.4 可视化管理效应的评价与优化 374
12.4.1 煤矿安全可视化管理效应评价模型及方法 374
12.4.2 煤矿安全可视化管理效应的评价方法 378
12.4.3 煤矿安全可视化管理效应的优化方法 378
第13章 结论与展望 380
13.1 主要结论 380
13.2 研究展望 383
参考文献 385
彩图