基于Spark Streaming流回归的煤矿瓦斯浓度实时预测

• 作者: 吴海波 念其锋 施式亮
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 监测数据 流数据 瓦斯浓度 Spark Streaming 流回归 实时预测 灾害预警
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 职业安全卫生管理与技术
• 页码范围: 84-89
• 页数: 6页
• 分类号: X936
• 字数: 2968字
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2017.05.014

摘要

为了实时分析瓦斯监测流数据并对瓦斯浓度进行准确预测以实现瓦斯灾害实时预警,以实时流数据处理框架Spark Streaming构建基于流回归的瓦斯浓度实时预测系统.系统采用分布式流处理技术,可使基于回归算法的瓦斯浓度预测模型更新周期达到秒级,提高了瓦斯浓度预测精度,满足流式大数据处理的实时性要求.实验表明:应用Spark Streaming流回归预测系统在采样周期为5 s的瓦斯监测数据流上进行实时预测时,预测平均均方根误差随模型更新周期的缩短而减小,模型更新周期可达15 s,且更新周期为45 s时预测总均方根误差最小,既能保证预测精度,又能提高瓦斯灾害预警时效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施式亮	中南大学资源与安全工程学院	157	2144	25.0	40.0
3	吴海波	中南大学资源与安全工程学院	8	30	4.0	5.0
7	念其锋	湖南科技大学计算机科学与工程学院	23	322	8.0	17.0