煤矿瓦斯监测时间序列数据相似搜索模块开发.doc

摘  要
随着世界对能源及物质需求了不断增长，煤炭资源作为能源的重要组成部分，其开发也融入了高科技数据监测技术。而煤矿安全在煤炭生产中占有特别重要的地位。煤矿事故发生的主要形式为瓦斯爆炸、瓦斯突出及中毒窒息。瓦斯治理是煤矿安全研究的主攻方向，是学术界和工业界的研究热点之一。
矿井中瓦斯涌出浓度是一组时间监测序列数据，具有数据量庞大和波动性两大特点。如何从当前瓦斯涌出浓度数据中有效地提取压缩数据并加以分析，是防止瓦斯事故的首要问题。小波分析具有减少数据量和降维的特点，特别适合处理海量时间监测序列，成为海量数据分析的一个强有力的工具。本文主要是以使用小波算法处理一维海量数据为例，介绍如何完成对数据的小波分解以及小波重构，达到数据压缩的目的，为下一步的相似搜索模块开发作好准备。
论文主要介绍了关于时间序列的简要分析，简单概述了数据压缩技术的中的几种常用算法，并以小波算法为重点分析了小波算法的性质和特点，介绍了用小波算法进行数据压缩的方法。最后将小波处理一维数据的原理与计算机技术结合起来，利用软件完成数据压缩并以曲线形式表现出来。经测试本人设计程序结果正确，可以用于数据压缩。

关键词：瓦斯浓度；时间监测序列；相似搜索模块开发；小波算法；数据压缩
 
ABSTRACT
As the world's energy and material needs of a growing, coal energy resource as an important component of its development is also integrated into the high-tech data monitoring technology. The coal mine safety in coal production is in the possession particular importance. Mine accident occurred as the main form is gas explosion, poisoning and suffocation gas outburst. Gas Control Coal Mine Safety Research is the main direction of attack, the academia and industry on one of the hot spots.
Mine gas emission level is monitoring a group of time-series data, with the huge volume of data and volatility of two major characteristics. How from the current concentration of gas emission data compression effectively extract data and analysis, prevent gas accidents are the most important issue. Wavelet analysis of data and reduce the drop-dimensional characteristics, particularly suitable for mass processing time monitoring sequence, a massive data analysis of a powerful tool. This Dissertation is the use of wavelet algorithm for handling one-dimensional data as an example on completing the wavelet analysis of the data and wavelet reconstruction, to achieve the purpose of data compression, similar to the search for the next step to prepare for the development of modules.
Dissertation introduced a brief analysis of time series, simple overview of the data compression technology in several common algorithms, wavelet algorithm and to focus on the wavelet analysis of the nature and characteristics of algorithm, introduced by wavelet data compression algorithm method. Finally, the wavelet deal with the principle of one-dimensional data combined with computer technology, using software and data compression to the completion of the form shown.

Keywords: gas concentration; time monitoring sequence; similar search module development; wavelet algorithm; data compression
目  录
1 绪论 1
1.1 选题背景及研究意义 1
1.2 国内外研究动态及发展趋势 1
1.2.1 国内外研究动态 1
1.2.2 发展趋势 2
1.3 本文的主要工作及章节安排 3
2 时间序列的分析 4
2.1 时间序列的定义 4
2.2 时间序列的相似性研究 4
2.2.1 相似性度量 4
2.3 时间序列变换 7
2.3.1 变换后的查询序列特征 7
2.3.2 时间序列变换的原则 7
2.3.3 时间序列相似性研究中特征提取的变换方法 8
3 小波理论简介 11
3.1 小波简史 11
3.2 小波分析 12
3.2.1 连续小波变换 12
3.2.2 离散小波变换 14
3.2.3 小波重构 16
3.3 一维哈尔小波变换 17
3.3.1 哈尔基函数 17
3.3.2 哈尔小波函数 18
3.3.3 规范化算法 19
4 基于哈尔小波的特征提取算法 22
4.1 小波分解算法原理 22
4.2 小波逆变换（小波重构）原理 23
4.3特征提取算法例题解析 24
5 算法流程图及程序运行介绍 27
5.1 算法流程图 27
5.5.1 小波分解的流程图 27
5.5.2 小波重构的实现流程图 29
5.2 程序运行介绍 31
5.2.1 程序运行环境 31
5.2.2 程序截图及说明 31
结束语 42
致谢 43
参考文献 44