Application of Sensor Fusion and Data Mining for Prediction of Methane Concentration in Coal Mines

In recent years we have experienced unprecedented increase of use of sensors in many industrial applications. Modern sensors are capable of not only generating large volumes of data but as well transmit ting that data through network and storing it for further analysis. These enable to create systems capable of real-time data fusion in order to predict events of interest. The goal of this work is to predict methane concentration levels in coal mines using data fusion and data mining techniques. The paper describes an application of a generic method that can be applied to arbitrary set of multivariate time series data in order to perform classification or regression tasks. The solution presented here was developed within the framework of IJCRS‘15 data mining competition and resulted in the winning model outperforming other solutions.

W ostatnich latach można było zaobserwować niespotykany wzrost użycia czujników w wielu zastosowaniach przemysłowych. Nowoczesne czujniki są w stanie nie tylko generować duże ilości danych, lecz równie ż przysyłać te dane za pomocą sieci i przechowywać je do późniejszej analizy. Umożliwia to opracowanie systemów do łączenia danych w czasie rzeczywistym w celu prognozowania określonych zdarzeń. Celem niniejszej pracy jest prognozowanie poziomów stężenia m etanu w kopalniach węgla za pomoc ą technik fuzji danych i eksploracji danych. Artykuł przedstawia zastosowanie generycznej metody, która może być użyta do dowolnego zbioru danych wielowymiarowych szeregów czasowych w celu przeprowadzenia zadań klasyfikacji lub regresji. Zaprezentowane rozwiązanie zostało opracowane w ramach konkursu eksploracji danych IJCRS’15 i – pokonując inne rozwiązania – zostało jego zwycięzcą.