基于海量高维煤炭数据的分布式贝叶斯算法的研究与应用

随着信息技术的快速发展,在煤炭产业中也挖掘出了大量的煤炭数据。煤炭产业管理者希望能够应用现有的煤炭数据进行分析预测,但是海量煤炭数据的处理分析是一地大难点。文章针对煤炭数据的分类问题,提出了基于MapReduce分布式计算框架的贝叶斯分类算法,该算法分布式地完成分类问题,能够更加快速、有效地处理大规模的数据。通过文中的实验结果也进一步说明文中提出的分布式贝叶斯分类算法有很高的效率,与传统算法相比有明显的加速比,并且,该算法也具有很好的可扩展性。     

基于特征选择的KNN算法在煤炭勘查工作中的应用

KNN也称作K最邻近结点算法(k-Nearest Neighbor algorithm)的缩写形式,是分类预测的经典算法之一。在煤炭勘探过程中,往往希望将新勘探出来的煤炭产品分类预测,并采取对应类别的煤炭处理和保存措施。文中,将采用基于特征选择的KNN分类算法应用到煤炭勘探分类预测工作中,该方法首先选择煤炭分类中有价值的特征属性,并使用KNN算法完成分类工作.该算法可以有效地提高煤炭分类预测工作的效率,并且有助于煤炭后续的保存和精加工措施。     

基于海量煤炭采集文本数据的可扩展SVM算法的研究与应用

文本分类是指在给定的分类系统下,根据文本的内容或属性,将大量文本归到一个或多个类别的过程。随着煤炭产业的高速发展,煤炭数据库中保存了大量煤炭采集文本数据,针对如此大规模的文本信息,传统的SVM算法不能很好地对大规模海量煤炭文本数据进行有效的处理。文中基于现有流行的Hadoop分布式计算平台,提出了分布式SVM文本分类算法。通过实验表明,文中提出的算法能够明显减小文本分类时间,并且具有很好的可扩展性。     

智能矿山大数据关键技术与发展研究

针对我国煤矿开采过程中数据生产量大但无法将这些数据进行有效的利用,无法为煤炭开采提供可靠的数据信息支撑等问题,研究分析了大数据技术在煤炭生产工业中的应用。介绍了智能矿山大数据的基本概念、特征及价值体现,概述了国内外智能矿山大数据研究与应用现状,分析了智能矿山大数据技术发展的驱动因素和存在的阻碍;通过分析智能矿山中的数据来源、数据集成以及数据分析应用,总结了智能矿山大数据的关键技术,如数据获取技术、数据集成与融合技术、大数据分析与挖掘、大数据的数据解析应用技术等;通过分析神东智能矿山的大数据平台架构、大数据平台的物理架构以及总体架构建设中的应用案例,提出智能矿山大数据应从矿山安全管理、生产执行、经营管理等领域进行应用研究;最后给出了我国在智能矿山建设过程中的建议。     

具有分类功能的煤炭产量监测系统设计

针对煤矿产量监测系统中煤炭与其他物资的区分能力不足、无法准确获得煤矿的实际产量等问题,提出了基于模糊神经网络算法的重量分类模型,并利用多传感器信息融合技术,自学习的方法不断提升模型识别煤炭能力及速度,获得更加精确的重量数据。数据仿真及现场应用表明,设计的称重系统能够很好识别煤炭并准确记录重量,为远程煤炭称重系统设计提供了一种思路。     

社交网络的分布式协同过滤算法在煤炭产业的应用

随着电子商务的高速发展,推荐系统成为煤炭产业网站的核心技术之一。协同过滤算法是推荐系统中的主要方法。由于社交网络的发展,用户之间往往通过推荐喜欢的商品给熟悉用户,这种基于社交网络的协同过滤算法往往能够更加准确的完成网站的推荐工作。但是,随着煤炭销售数据规模的增大,传统的基于社交网络的协同过滤算法不能有效地完成推荐工作。针对煤炭数据规模大、分析复杂问题,提出了基于云平台的分布式社交网络协同过滤算法,该算法分布式完成系统推荐工作,具有很高的效率。     

云计算平台下分布式支持向量机在煤炭行业分类预测应用

支持向量机(SVM)普遍应用在机器学习领域的学习算法,广泛用于分类学习。支持向量机也应用在很多实际应用领域中。该算法也广泛地应用在煤炭系统的分类预测工作中。随着数字时代的发展,煤炭系统的数据规模也呈现大规模增长趋势。针对海量规模数据,传统的支持向量机模型不能有效地完成煤炭系统中数据的分类、回归等工作。文章针对大规模数据处理困难的问题,提出了分布式支持向量机模型。该模型针对现有流行的云计算平台,在该平台下构建基于Hadoop分布式计算框架的分布式模型,该分布式支持向量机模型能够高效、快速地完成真实数据的分类或回归任务,具有很高的效率。文中的实验部分通过大量的实验数据进一步证明了文章提出算法的可行性。     

地质勘探技术在钻探工艺中应用分析

通过对某矿煤炭地质开展勘探工作的历程以及当前钻探使用的设备需求及情况,以及钻探中普遍应用的钻井液和处理剂的研究,对井内常见事故原因与处置办法进行分析,介绍了两项新的关于煤炭勘探方面的钻井技术,最后对煤炭勘探中的创新科技及其推广和应用的重要性做了总结和归纳。     

Minitab在选煤试验设计与数据分析中的应用

Minitab具有强大的试验设计和数据分析功能,可快速、准确、可靠地完成正交试验设计和数据分析处理,对于选煤实际生产中涉及的多因素试验的快速设计和数据的准确分析具有明显地推动作用,对提高生产效率和降低生产成本具有重要意义。以煤炭灰化条件试验为例,详细说明Minitab在正交试验设计和数据分析处理中的应用。     

基于Mapreduce的权重集成算法在煤炭行业数据处理中的应用

集成算法通过将多个分类器集成起来,能够有效地提高分类算法的预测精度。集成算法在煤炭开采、预测中也得到了广泛地应用。基于权重的集成算法是通过赋予不同分类器权重,进一步改进了集成算法的性能。但是,由于集成算法需要对多个分类器构建模型,随着数据规模的增大,传统的集成算法不能快速、有效地完成集成学习工作。本文针对煤炭领域中的大规模数据,提出了基于MapReduce分布式框架的分布式权重集成算法,该算法分布式完成集成的及预测工作。通过大量的实验结果进一步证明了本文提出的算法具有很高的效率以及很好的可扩展性。