基于云服务的煤矿水害监测大数据智能预警平台构建

针对华北型煤田煤层底板突水监测预警问题,以底板"下三带"理论为基础,开展了微震-电法耦合系统水害监测预警。在分析微震-电法耦合系统监测数据基础上,采用Flume设计数据迁移子系统,以流处理方式对监测源数据进行预处理,对关键目标数据进行采集、聚合和传输,实现了有效监测数据的实时迁移。此外,针对煤矿水害多源监测预警过程中数据规模大、数据实时处理要求高等特点,结合多源异构数据关联分析和时空属性数据分析处理需求,基于Spark和HDFS设计实现了具备TB级数据存储处理能力的煤矿水害多源监测大数据存储平台。该平台采用HDFS设计构建统一的多源时序大数据存储体系,通过MapReduce实现大数据并行处理,利用YARN实现资源的调度与管理,为海量数据存储提供支撑。平台采用Spark Streaming框架搭建了数据实时处理中心,通过流处理方式实现监测数据高速处理,并通过智能预警算法模块和远程服务接口为预警系统现场应用提供支撑。在智能预警技术方面,结合监测数据的时空属性特点,提出了基于深度学习时空序列预测方法——长短时记忆循环网络智能预警模型的底板突水模型预警技术。该预警技术基于LSTM方法,以"下三带"理论为基准对模型进行初始化,形成初始预警判据;将电法、微震监测数据作为输入变量,实际涌(突)水事件作为干预输出量,对智能预警模型进行半监督分类学习训练,形成动态化、参数最优的模型预警准则,将监测数据动态划分为4个预警等级,从而实现了水害智能动态预警和数据可视化表达。在冀中能源葛泉矿东井的实际应用中发现,该平台能够基本达到预期目标。     

一种飞行控制计算机高精度A/D采集单元设计与研究

飞行控制计算机的关键数据就是模拟信号,因此对模拟信号的采集精度直接影响着无人机在整个飞行过程中的状态。针对于此专门设计出了一种可以抑制外界干扰的A/D转换单元,以此来满足飞行控制计算机对其需要数据的采集要求。文章则着重讲述了对飞行控制计算机高精度A/D采集单元的设计与研究。     

基于大数据的C语言程序设计

C语言作为一种程序设计语言,在大数据组成的物联网和云计算中应用广泛,具有强大的适应性和兼容性,是大数据时代下,在IT行业中起到关键作用的程序设计语言。文章分析了基于大数据的C语言程序设计的必然性和应用策略,为C语言在大数据上的应用方向提供了参考依据。以汉字的应用为例,提出了解决C语言应用问题的思路。     

基于大数据的广播电视技术转型与发展研究

随着互联网技术的发展,人们已经步入了信息化时代,新媒体行业的发展产生了大量的数据信息,促进了大数据技术的发展。在此时代背景下,广播电视行业的发展面临着一定的挑战。基于此,文章就详细分析大数据时代广播电视技术转型与发展的困境,并针对性的提出发展策略。     

阿尔塔什水利枢纽工程坝体三维渗流有限元计算分析

鉴于阿尔塔什水利枢纽坝址区面临河床覆盖层深厚,砂卵砾石层渗透性强,两岸基岩均有断层带、高地震烈度等诸多设计难点,该工程河床段采用混凝土防渗墙,两岸采用趾板、固结灌浆、帷幕灌浆,坝体采用混凝土面板,并提出相应压实指标,封堵断层带等措施进行防渗堵漏。通过建立三维模型进行渗流计算分析。结果表明:当满足设计要求的渗控标准后,工程防渗系统、坝体、坝基覆盖层及两岸坝肩岩体的孔隙压力、水头分布合理,水头等值线在防渗系统等处较为密集,水流在通过防渗系统后上游水头明显折减;覆盖层及下游出逸点的最大水力比降均小于允许比降;灌浆帷幕伸入两岸长度符合规范要求,坝料分区、断层封堵及坝基处理较为合理。     

调水工程大数据技术应用

文章分析了国内外大数据的相关研究成果,阐述了调水工程大数据的特征和研究方法,给出调水工程大数据技术架构,明确了调水工程大数据生成与采集、数据存储与共享、数据分析和处理、数据应用和决策的机理,提出了调水工程大数据七个应用场景,为调水工程大数据应用发展提供了理论方法基础。     

咖啡渣“出圈”

对于起早贪黑的上班族来说,咖啡的存在可以说是"曾经用来消遣,现在用来保命"。在城市的各商圈中,星巴克、Luckin等咖啡店络绎不绝;在写字楼里,咖啡机几乎已成标配。有数据统计,全球每年约消耗12000亿杯咖啡,与此同时,每年至少累计产出800万吨咖啡渣。咖啡在制备过程中会产生大量的咖啡渣,约占咖啡干豆的2/3。大部分咖啡渣最终被填埋,并会排放约50.4亿公斤的二氧化碳,简直就是个隐形的二氧化碳"制造器",给环境造成了污染。     

数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。