云平台下的基于项目的KNN协同过滤算法在煤炭系统中的研究与应用

随着互联网技术的发展,往往希望通过分析消费者已有的历史数据,推荐消费者可能感兴趣的产品,并进一步取得更好的销售记录。煤炭系统中希望通过分析用户的消费记录,从而推荐给用户潜在的煤炭产品,提高煤炭的销售量。基于用户协同过滤算法被广泛地应用在煤炭推荐系统中,基于项目的 KNN协同过滤算法是通过分析产品之间的相似性完成聚类并推荐。传统的基于项目的 KNN协同过滤算法对现有的海量规模的煤炭系统中的销售记录数据不能高效、快速地完成推荐工作。文章基于海量规模数据,提出了基于MapReduce的分布式、基于项目的KNN协同过滤算法。通过实验结果表明,文中提出的算法具有很高的加速比,并且,具有很好的可扩展性。     

基于云计算的煤炭生产数据海量存储技术研究

长期以来煤炭企业面临着一种资源缺乏、工作任务重的状态,为了解决煤炭企业生产数据的海量存储问题,提出了使用云计算和云存储技术进行煤炭企业生产数据的海量存储的解决方案。     

基于神经网络的环境约束下我国煤炭需求预测

我国经济快速发展带动煤炭消费快速增长的同时,也导致了严重的环境污染.因此,明确环境约束下,我国未来的煤炭需求对调整能源结构,协调经济增长与环境污染之间的平衡有重要意义.本文对多种煤炭需求预测方法进行比较论证,最终选取基于M atlab软件的BP神经网络方法进行煤炭长期需求量预测,然后基于《国家环境保护标准"十三五"发展...     

可扩展双向聚类算法在煤炭领域中的研究与实现

随着现代信息技术的发展,各行各业产生了大量的高维数据,用不同的属性描述数据。煤炭产业也产生了大量的高维数据。煤炭企业的管理者往往希望从这些海量高维数据中得到更多的隐藏价值的知识。双向聚类算法被广泛地应用在各个领域中,该算法能够准确地完成聚类。随着数据规模呈现指数级地增长以及数据维度的增加,传统双向聚类算法不仅不能快速完成数据聚类,而且不能有效地处理高维数据。文章针对海量高维数据,提出了可扩展的基于高维数据的分布式双向聚类算法。通过实验结果展示了文中提出的算法具有很好的聚类结果以及很高的加速比及可扩展性。     

基于成本代价的分布式逻辑回归算法在煤炭系统中的研究与应用

随着互联网络的发展,煤炭系统也开发了多种网络销售系统,并且数据规模呈现指数级上升趋势。逻辑回归算法是被广泛应用的分类算法之一。但是,传统的逻辑回归算法没有考虑预测错误代价,将不同的预测视为同等成本代价,会一定程度上影响算法的预测精度。文章提出了基于成本代价的逻辑回归算法,该算法考虑了预测错误代价完成煤炭数据集重新标签并完成预测工作。并且,针对海量规模煤炭数据,提出了基于云计算平台的分布式算法。通过大量的实验结果,表明提出的算法能够明显降低预测算法的代价成本,并且没有影响算法的预测精度。     

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。     

模糊神经网络算法在煤炭装车系统中的应用

物料上料速度与如何精确控制物料流量是如今智能化煤炭装车系统中需要攻克的技术难点.通过使用模糊神经网络算法,进行输送带物料上料速度以及流量控制的调节,结合输送带秤读数与缓冲仓雷达料位仪采集数据进行综合分析判断,最终实现煤炭物料上料速度自适应调节,流量可控可调的目的 .模糊神经网络算法在甘肃华亭安口南集运站项目中得以实际应...     

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。     

基于神经网络的煤炭自燃预测及在MATLAB上的实现

结合我国煤矿实际,用模糊聚类方法进行了煤炭自燃危险程度的分类,运用BP神经网络方法,建立了煤炭自燃预测输入一输出模式非线性映射关系,构建了煤炭自燃预测网络模型,并通过MATLAB软件进行了预测分析与实现,解决了影响煤炭自燃的多因素复杂问题,使得预测结果更具客观性和预见性.     

改进的BP神经网络预测煤炭自燃研究

基于改进BP双模型神经网络技术,提出了一种具有离线学习模型和在线校正模型的双模型BP神经网络,两者互相独立并相互结合,从而提高了神经网络预测对煤炭自燃预测的准确性。     

基于大数据的煤矿安全监管联网平台设计与实现

针对现阶段我国煤矿安全总体形势依然严峻,监管效率有待提升等问题,设计并实现了基于大数据的煤矿安全监管三级联网平台。该平台采用分层架构设计方法,制订并遵从数据交换标准规范,建设煤矿、区县和地区三级网络,实现众多煤矿异构系统数据源有效融合,并利用大数据技术,实现对联网数据的挖掘分析,为全区煤矿安全监管提供辅助决策支持。目前参与联网煤矿超过300家,较好地实现了多级安全联网监管,取得了较好的经济和社会效益。     

基于遗传算法的煤炭企业网络安全技术的研究

计算机网络的发展,加快了企业和社会信息化进程,同时也带来了许多网络安全问题,因此,在开展网络应用时,加强网络的安全保密显得越来越重要。文章根据煤炭企业的网络特点设计了一个基于遗传算法的混合型入侵检测模型。     

基于煤矿环境监测的多传感器数据融合算法研究

在煤矿环境监测中,利用多传感器数据融合技术对监测到的煤矿瓦斯、温度等数据进行处理,可以有效减少损失,保障矿井安全。从多传感器数据融合理论出发,对该技术的定义、原理以及相应的一些实现算法进行了详细介绍,同时对目前基于多传感器数据融合的煤矿环境监测模型进行了分析和总结,为多传感器数据融合技术在煤矿环境安全评估中的应用提供一定的理论依据与应用经验。     

基于HSRP技术的煤炭企业网络数据容灾的研究与应用

分析了目前煤炭企业的网络备份技术,根据当前企业网络备份中的不足,通过采用HSRP网关冗余技术,实现稳定可靠的网络,提高了数据可管理性和可靠性,降低了LAN备份的流量负载,解决了煤炭企业各应用系统数据的网络可靠性和网络安全问题,保证企业之间相互正常工作。     

基于CUDA的数字影像处理算法在煤炭领域中的研究与实现

文章提出了基于CUDA的数字影像处理算法。可以快速、高效地计算数字图像中的拉普拉斯算子。通过实验结果表明,本文提出的算法与在CPU中执行的串行代码在时间上取得了很好的加速比,并且有很低的误差。     

改进RSSI的煤矿井下定位技术研究与实现

针对煤矿井下无线信道的信号传播模型,提出将接收信号强度复合滤波器、一元线性回归测距模型和多边定位方法相结合的改进接收信号强度指示( Received Signal Strength Indicator,RSSI)值的井下定位技术,通过利用基于无线传感器网络操作系统TinyOS的节点进行离线建模、在线测算,实现煤矿井下人员及设备的实时定位。井下巷道试验表明,该技术提高了定位精度,增强了定位系统的鲁棒性,适用于煤矿井下定位。     

基于神经网络算法的煤矿瓦斯涌出量预测模型研究

在煤矿生产过程中存在着瓦斯涌出现象,严重威胁着煤矿的安全生产。瓦斯涌出检查在矿井设计、建设和开采作业过程中显得尤为重要。文章采用神经网络有效地对矿井瓦斯气量进行检测分析,利用分析结果进行准确预测。文中将介绍神经网络预测的整体构建过程,结合仿真实例,分析煤矿瓦斯涌出量预测模型的可靠性。