煤炭是我國的重要能源之一,占有很大的消費比重,隨著需求量的不斷增加,煤礦的采掘規(guī)模也在不斷的擴增,與此同時生產(chǎn)安全也是我們必須關注的重大問題。瓦斯災害在煤礦事故中經(jīng)常發(fā)生,對于煤礦開采工作造成了很大的危害。隨著通信技術、互聯(lián)網(wǎng)技術以及大數(shù)據(jù)技術的快速發(fā)展,煤礦開采現(xiàn)場已經(jīng)實現(xiàn)井下分布式傳感器系統(tǒng),該系統(tǒng)采集的瓦斯數(shù)據(jù)呈現(xiàn)著高非線性和高度復雜性的特點。就目前而言,對于采集的海量數(shù)據(jù)進行瓦斯?jié)舛阮A測,在可靠性、準確性和實時性方面還存在嚴重的不足。因此,本文基于深度置信網(wǎng)絡對采集的瓦斯數(shù)據(jù)進行處理和分析,可以很好的利用其強大的函數(shù)表達能力和特征提取功能以及處理非線性數(shù)據(jù)的優(yōu)勢;并設計了基于Spark的實時數(shù)據(jù)處理系統(tǒng)對瓦斯?jié)舛冗M行準確實時的預測,作用于海量的數(shù)據(jù)分析,從后期的維護和擴展性等方面來說都是可行的,主要研究工作如下:首先,對傳統(tǒng)的BP神經(jīng)網(wǎng)絡進行分析,并針對BP神經(jīng)網(wǎng)絡容易出現(xiàn)梯度擴散和陷入局部極小值等問題,提出了基于受限玻爾茲曼機的深度置信網(wǎng)絡,構(gòu)建瓦斯?jié)舛阮A測模型。該模型是從人工神經(jīng)網(wǎng)絡發(fā)展而來,不但充分利用了人工神經(jīng)網(wǎng)絡的優(yōu)點,而且也彌補了它的不足之處,和BP神經(jīng)網(wǎng)絡預測模型進行對比分析,進一步確定了其應用于瓦斯?jié)舛阮A測的可行性以及準確性。然后,針對礦井下采集的瓦斯?jié)舛葦?shù)據(jù)特點以及數(shù)據(jù)量的快速增長等問題,建立Spark實時數(shù)據(jù)處理系統(tǒng),結(jié)合深度置信網(wǎng)絡算法,對瓦斯?jié)舛冗M行準確實時的預測。同時,整個系統(tǒng)具備高可用、易擴展、通用性等特點,減輕了后期對于系統(tǒng)維護的負擔,解決了海量數(shù)據(jù)處理的問題。在設計上采用了大數(shù)據(jù)生態(tài)圈中例如Flume、Kafka、Spark等優(yōu)秀的技術框架,并且提出了一系列優(yōu)化策略。最后,將采集到的大量數(shù)據(jù)集通過離線數(shù)據(jù)處理系統(tǒng)進行驗證,最終結(jié)果顯示:對三個月的數(shù)據(jù)進行預測分析,使用DBN網(wǎng)絡預測模型對比于BP網(wǎng)絡預測模型,工作面各節(jié)點平均均方根誤差減少0.01378左右,實時計算每個批次任務處理時間約為4.5s,預測準確率較高,實時性較好,從而達到了良好的瓦斯?jié)舛阮A測,減少瓦斯災害的發(fā)生。
【學位單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TD712.55
【部分圖文】：

工程碩士專業(yè)學位論文第四章，介紹了“基于 Spark 實時數(shù)據(jù)處理系統(tǒng)”所涉及到的大數(shù)據(jù)相關技括分布式存儲技術、日志收集技術、分布式消息隊列技術和實時計算技術。第五章，分析系統(tǒng)的需求，設計系統(tǒng)架構(gòu)。主要分為數(shù)據(jù)采集模塊、實時計塊和離線數(shù)據(jù)處理模塊，并提出了一些系統(tǒng)優(yōu)化方案。介紹了系統(tǒng)平臺的軟、環(huán)境部署和規(guī)劃，最后對系統(tǒng)的功能進行展示。第六章，對本文內(nèi)容進行總結(jié)和展望。主要內(nèi)容如圖 1-1 所示：

圖 2-1 人工神經(jīng)網(wǎng)絡結(jié)構(gòu)圖Figure 2-1 Artificial neural network structure其中 f(x)為激活函數(shù)，是用來加入非線性因素，因為遇到非線性問題可能束手無策，而激活函數(shù)具有非線性的特點，線性模型不能解決此類問題時，就以使用該函數(shù)[75]。常用的激活函數(shù)有如下公式 2-2 至 2-5 所示：（1）Sigmoid 函數(shù)xex 11f ()(2-Sigmoid 函數(shù)可以把在較大范圍變化的值控制在（0，1）的范圍內(nèi)，因此稱為“擠壓函數(shù)”，特別的，如果是非常大的負數(shù)，輸出為 0，如果是非常大正數(shù)，那么輸出為 1。（2）Tanh 函數(shù)（雙曲正切函數(shù)）xxeex2211f() (2-它的輸出是 0 均值的，輸出區(qū)間為（-1，1）。（3）ReLu 函數(shù)（線性修正函數(shù)）

圖 2-2 BP 神經(jīng)網(wǎng)絡結(jié)構(gòu)圖Figure 2-2 BP neural network structuren 為輸入節(jié)點個數(shù)，q 和 m 分別為隱層和輸出層節(jié)點個數(shù)，對于一個 BP 神網(wǎng)絡訓練過程可以分為如下步驟：（1）對原始數(shù)據(jù)預處理，其中預處理的過程包含數(shù)據(jù)清洗，歸一化等過程，后把干凈的數(shù)據(jù)集進行劃分，分為訓練樣本和驗證樣本。設計神經(jīng)網(wǎng)絡中每個經(jīng)元的權(quán)值和閾值，以及學習率等參數(shù)，進行網(wǎng)絡訓練。（2）訓練集 Xi（i=1,2,3,...n），其中 i 表示第 i 個輸入的節(jié)點，輸入層和隱之間的權(quán)值為 Wij，設激勵函數(shù)為 f(x)，隱層中閾值為θi，那么對于隱層中第 i神經(jīng)元的輸入：neti，如公式 2-7 所示： nj 1iijiinet wx (2-7)隱含層第 i 個神經(jīng)元的輸出值為：yi，如公式 2-8 所示：y=f(net)=f(wx)nj1iiijii (2-8)
【相似文獻】

相關期刊論文 前10條

1 彭成東;;關聯(lián)規(guī)則挖掘在礦井瓦斯?jié)舛阮A警系統(tǒng)中的應用[J];安徽水利水電職業(yè)技術學院學報;2017年02期

2 尚彥軍;張騰飛;謝峰震;魏思宇;張偉光;;12.8呼圖壁地震煤礦瓦斯?jié)舛群陀克蛔儸F(xiàn)象探析[J];科學技術與工程;2017年27期

3 駱大勇;何榮軍;陳雄;;基于瓦斯?jié)舛缺O(jiān)測異常數(shù)據(jù)預報煤與瓦斯突出[J];煤炭與化工;2013年11期

4 張寶燕;李茹;穆文瑜;;基于混沌時間序列的瓦斯?jié)舛阮A測研究[J];計算機工程與應用;2011年10期

5 秦汝祥;張國樞;楊應迪;;瓦斯?jié)舛刃蛄械拿号c瓦斯突出預報方法及應用[J];安徽理工大學學報(自然科學版);2008年01期

6 姜迂姬;王忠海;賀平;周慶溪;;MSLL-1微電腦瓦斯?jié)舛攘髁勘O(jiān)測儀[J];儀器儀表與分析監(jiān)測;1987年02期

7 欒世忠;立井注漿封堵瓦斯的嘗試[J];煤礦設計;1988年02期

8 楊其鑾 ,王佑安;瓦斯球向流動的數(shù)學模擬[J];中國礦業(yè)學院學報;1988年03期

9 葉汝陵;礦井反風時風流與瓦斯的交換——礦井反風量是否一定需要大于正常風量的60%[J];煤炭工程師;1988年03期

10 侯賢文,張滋昌;我們是如何實施《掘進安全技術裝備系列化標準》的[J];中州煤炭;1988年04期

相關博士學位論文 前10條

1 張強;基于阻抗測試法煤體中瓦斯水合物形成動力學研究[D];哈爾濱理工大學;2018年

2 盧衛(wèi)永;含瓦斯煤層水力致裂的驅(qū)趕瓦斯規(guī)律研究[D];中國礦業(yè)大學;2018年

3 余照陽;高瓦斯易自燃采空區(qū)流場特征及遺煤氧化特性研究[D];中國礦業(yè)大學;2018年

4 黃凱峰;煤礦安全監(jiān)測監(jiān)控系統(tǒng)瓦斯?jié)舛犬惓Ｐ盘柋孀R方法研究[D];安徽理工大學;2016年

5 鄧廣福;基于可調(diào)諧激光光譜的礦井瓦斯氣體傳感系統(tǒng)的研究[D];吉林大學;2008年

6 王振鋒;瓦斯抽采濃度控制機理及管路濃度自動調(diào)控預警系統(tǒng)研究[D];河南理工大學;2014年

7 陳祖云;煤與瓦斯突出前兆的非線性預測及支持向量機識別研究[D];中國礦業(yè)大學;2009年

8 李海臣;采煤工作面瓦斯?jié)舛瘸揞A警技術及裝備研究[D];中國礦業(yè)大學（北京）;2011年

9 楊春麗;突出誘發(fā)瓦斯爆炸數(shù)值模擬及實證研究[D];中國礦業(yè)大學（北京）;2009年

10 張杰;基于云計算數(shù)據(jù)集成模式的礦井瓦斯預警研究[D];西安科技大學;2014年

相關碩士學位論文 前10條

1 馬晟翔;突出煤層長距離定向鉆孔瓦斯區(qū)域消突技術研究[D];貴州大學;2019年

2 侯宗斌;低透氣性突出煤層順層鉆孔CO_2致裂強化預抽瓦斯技術研究[D];貴州大學;2019年

3 張波;電熱高溫場下預抽鉆孔瓦斯?jié)B流THM耦合數(shù)值模擬研究[D];貴州大學;2019年

4 李歡;基于時空序列的瓦斯?jié)舛阮A測方法研究[D];中國礦業(yè)大學;2019年

5 王然鵬;基于瓦斯解吸的煤基質(zhì)形狀因子研究[D];中國礦業(yè)大學;2019年

6 張雨;基于深度學習的井下瓦斯?jié)舛阮A測系統(tǒng)設計與實現(xiàn)[D];中國礦業(yè)大學;2019年

7 張永剛;鶴崗地區(qū)礦山地震監(jiān)測與瓦斯預警研究[D];吉林大學;2018年

8 李陽;高壓水射流作用下煤體瓦斯?jié)B流特性研究[D];華北理工大學;2018年

9 李巖松;基于數(shù)據(jù)融合的瓦斯危險程度預測研究[D];西安科技大學;2018年

10 周俊;含水頂板條件下下向穿層鉆孔抽采瓦斯運移規(guī)律研究[D];中國礦業(yè)大學;2018年

本文編號：2860852