随着社会信息化的不断发展和国家对生产安全的高度重视,煤矿企业建设了许多数字化系统确保煤矿的安全开采,然而这些系统前期并没有统一规划,都是自成一体,系统之间无法进行信息共享,形成了许多“信息孤岛”。随着第五代通信技术和大数据以及人工智能等现代信息技术的应用和发展,人类社会正在向智能化转型,煤矿开采也在朝着智能化方向发展,智慧矿山的建设是一个重要的标志。煤矿数字化系统在运行过程中产生了海量的数据,传统的数据技术难以处理如此量级的数据,限制了矿山大数据的进一步分析利用,造成了数据价值的流失,无法满足煤矿开采的安全开展。智慧矿山的建设离不开海量多源异构数据的分析,因此构建矿山大数据分析平台是建设智慧矿山的前提和基础。本文从矿山大数据处理方面着手,主要对矿山大数据预处理和矿山大数据分析进行了深入的研究。首先对智慧矿山和矿山大数据平台的发展与研究现状以及大数据处理理论进行了阐述。其次,对由于传感器异常引起的缺失值处理介绍了常用的三种数据预处理插值方法,基于数据融合理论提出了 一种数据预处理方法并进行了实验分析对比。再次,对经典的关联规则分析挖掘方法Apriori进行了详细的介绍并分析了其缺点,针对Apriori算法无法高效挖掘关联规则的缺陷提出了一种改进的分布式并行算法并进行了实验分析验证,利用改进的算法实现了矿山大数据的关联分析。最后,设计了矿山大数据分析平台的层次结构并进行了架构设计,利用Hadoop分布式存储和计算框架及其生态技术构建了矿山大数据分析平台并实现了煤矿部分分析数据的可视化展示。基于Hadoop的矿山大数据分析平台将煤矿各个数字化系统进行整合从而形成一个整体,利用分布式集群实现了矿山多源异构数据的统一加工处理和存储,打破了多个系统独立部署带来的“信息孤岛”效应,实现了系统之间信息的共享和数据的综合分析,在降低煤矿企业投入成本的同时可以为煤矿管理员提供决策参考,对于实现煤矿安全生产和提高煤矿智能化开采水平具有重要的意义。