本技术涉及一种基于Spark Streaming框架实现的瓦斯浓度实时预测技术。该方法通过收集实时瓦斯浓度数据,并运用Spark Streaming进行处理,以实现对瓦斯浓度的实时预测。
背景技术
近年来,随着信息技术及自动化控制的高速发展,煤矿开采过程中的安全监控监测逐渐向智能化方向发展,传统的监测监控系统已无法满足煤矿发展的需求,矿井瓦斯预测预警研究也取得较多成果。主要通过学习机器学习算法进行瓦斯的预测和预警。
而基于学习算法的预测,需要依托于训练集数据,由此对训练集数据需要具有较高时效性,若数据时效性不足则预测结果的精准性也将会降低,导致对瓦斯预测预警的研究过程中对数据的提取存在一定的滞后性。因此,如何能够在预测过程中既能保证数据提取的时效性也能保证算法学习规律的时效性是当下亟需重点关注的研究方向。而现有研究针对综采面瓦斯浓度预测的研究相对较少。影响综采面瓦斯浓度因素较多,各因素之间呈现出复杂的非线性关系,仅研究单一因素对瓦斯浓度的影响较为片面,应将多种影响因素综合考虑。在瓦斯浓度预测方面,传统的机器学习算法如支持向量机在面对综采面多种复杂因素影响下的瓦斯浓度预测问题时,预测准确率有待进一步提高,且难以应对大量数据。同时传统的煤矿瓦斯浓度预测过程中,会出现数据的时效性较低和预测模型学习数据特征的效率较低的问题,导致最终预测的精准度较低。
实现思路