發(fā)布時(shí)間：2021-04-14 15:01

　　本文在煤礦安全監(jiān)控系統(tǒng)產(chǎn)生的海量監(jiān)控?cái)?shù)據(jù)支撐之下,結(jié)合前輩研究的瓦斯?jié)舛阮A(yù)測模型,將大數(shù)據(jù)技術(shù)應(yīng)用到煤礦瓦斯?jié)舛阮A(yù)測之中。論文主要包括以下研究成果:搭建了瓦斯?jié)舛葧r(shí)間序列大數(shù)據(jù)存儲系統(tǒng)。并通過分析煤礦安全監(jiān)控系統(tǒng)網(wǎng)頁結(jié)構(gòu)以及瓦斯?jié)舛葦?shù)據(jù)結(jié)構(gòu),設(shè)計(jì)了用于采集瓦斯?jié)舛葧r(shí)間序列大數(shù)據(jù)的網(wǎng)絡(luò)爬蟲,以及用于存儲瓦斯?jié)舛葧r(shí)間序列大數(shù)據(jù)的HBase表結(jié)構(gòu)。并用之進(jìn)行了瓦斯?jié)舛却髷?shù)據(jù)的采集與存儲。在分析了采集到的瓦斯?jié)舛葧r(shí)間序列大數(shù)據(jù)的特征之后,設(shè)計(jì)了使用大數(shù)據(jù)計(jì)算框架MapReduce進(jìn)行瓦斯?jié)舛榷唐陬A(yù)測的方案。MapReduce首先整理出每個(gè)監(jiān)測點(diǎn)的瓦斯?jié)舛葧r(shí)間序列,然后輸出到reduce函數(shù),并在其中使用時(shí)間序列預(yù)測模型ARIMA,進(jìn)行瓦斯?jié)舛阮A(yù)測。通過這種方式,可以得出每個(gè)監(jiān)測點(diǎn)未來一天瓦斯?jié)舛鹊淖畲笾导白兓厔�。以馬爾科夫理論為基礎(chǔ),設(shè)計(jì)了使用MapReduce進(jìn)行瓦斯?jié)舛葘?shí)時(shí)預(yù)測的方案。在以往關(guān)于瓦斯?jié)舛阮A(yù)測的研究中,馬爾科夫理論僅僅以輔助優(yōu)化的角色存在。而本文將馬爾科夫理論作為實(shí)時(shí)預(yù)測的主要預(yù)測模型。針對瓦斯?jié)舛缺O(jiān)測數(shù)據(jù)的有限狀態(tài)取值空間,MapReduce計(jì)算瓦斯?jié)舛葦?shù)據(jù)的馬爾科夫一步... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究新意與難點(diǎn)
    1.4 研究內(nèi)容與方法
2 瓦斯?jié)舛葦?shù)據(jù)采集與存儲
    2.1 HDFS搭建
    2.2 HBase搭建
    2.3 數(shù)據(jù)采集
    2.4 數(shù)據(jù)存儲
    2.5 程序設(shè)計(jì)
    2.6 本章小結(jié)
3 瓦斯?jié)舛榷唐陬A(yù)測
    3.1 MapReduce計(jì)算框架
    3.2 ARIMA模型簡介
    3.3 短期預(yù)測
    3.4 結(jié)果分析
    3.5 本章小結(jié)
4 瓦斯?jié)舛葘?shí)時(shí)預(yù)測
    4.1 馬爾科夫過程簡介
    4.2 實(shí)時(shí)預(yù)測原理
    4.3 一步概率矩陣計(jì)算
    4.4 結(jié)果分析
    4.5 本章小結(jié)
5 瓦斯?jié)舛任ｋU(xiǎn)性評價(jià)
    5.1 K-Means聚類簡介
    5.2 超限危險(xiǎn)性評價(jià)原理
    5.3 濃度超限概率聚類
    5.4 聚類結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 主要研究成果
    6.2 問題與展望
附錄
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]二次優(yōu)化的灰色馬爾科夫模型預(yù)測煤礦工作面瓦斯?jié)舛萚J]. 葛路軍,龐葉青.  煤. 2017(11)
[2]基于Spark Streaming流回歸的煤礦瓦斯?jié)舛葘?shí)時(shí)預(yù)測[J]. 吳海波,施式亮,念其鋒.  中國安全生產(chǎn)科學(xué)技術(shù). 2017(05)
[3]基于灰色-馬爾科夫理論的煤礦瓦斯?jié)舛阮A(yù)測[J]. 翟波.  城市地理. 2017(10)
[4]基于改進(jìn)ABC-GRNN模型的煤礦瓦斯?jié)舛阮A(yù)測研究[J]. 付華,劉汀,張勝強(qiáng),丁冠西.  控制工程. 2017(04)
[5]智能化大數(shù)據(jù)安全監(jiān)管及系統(tǒng)實(shí)現(xiàn)[J]. 陳天瑩,陳劍鋒.  通信技術(shù). 2017(02)
[6]深度學(xué)習(xí)耦合粒子群優(yōu)化SVM的瓦斯?jié)舛阮A(yù)測[J]. 錢建生,邱春榮,李紫陽,吳響.  煤礦安全. 2016(11)
[7]基于ACPSO的PSR-MK-LSSVM瓦斯?jié)舛葎?dòng)態(tài)預(yù)測方法[J]. 付華,代巍.  傳感技術(shù)學(xué)報(bào). 2016(06)
[8]MapReduce大數(shù)據(jù)分析在煤礦的應(yīng)用研究[J]. 劉玉海.  軟件. 2016(05)
[9]基于EMD-LSSVM的瓦斯?jié)舛葎?dòng)態(tài)預(yù)測模型[J]. 魏林,白天亮,付華,尹玉萍.  安全與環(huán)境學(xué)報(bào). 2016(02)
[10]基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛葘?shí)時(shí)預(yù)測方法[J]. 張昭昭,喬俊飛,余文.  控制工程. 2016(04)



本文編號：3137525