瓦斯浓度流数据实时异常检测方法
吴海波1
施式亮2
念其锋3
1.中南大学资源与安全工程学院 长沙 410083;湖南科技大学煤矿安全开采技术湖南省重点实验室 湘潭 4112012.中南大学资源与安全工程学院 长沙 410083;湖南科技大学资源环境与安全工程学院 湘潭 4112013.湖南科技大学煤炭资源清洁利用与矿山环境保护湖南省重点实验室 湘潭 411201
摘要：为了实时分析与检测矿井瓦斯浓度流数据中的异常以提高瓦斯灾害实时风险评价的准确率,采用流回归机器学习算法与正态统计分布技术相结合的方法来建立瓦斯浓度流数据异常检测模型,并以基于内存的分布式流处理框架Spark Streaming构建了瓦斯浓度异常实时检测系统.实验表明:基于流回归与统计分析技术的瓦斯浓度异常实时检测系统能定期更新异常检测模型,在异常检测模型更新周期为45s,异常阈值为0.05时,异常检测数与箱线图异常分析法检测异常数一致,但能实时判断流数据中的异常,提高了瓦斯风险评价时效.
关键词：瓦斯浓度流数据异常检测实时流回归Spark Streaming
分类号：TP311(计算技术、计算机技术)
资助基金：国家自然科学基金(51774135)煤矿安全开采技术湖南省重点实验室开放基金(201304)湖南科技大学煤炭资源清洁利用与矿山环境保护湖南省重点实验室开放基金(E21701)湖南省高等学校科学研究优秀青年项目(14B058)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1086-1090,1105 )
英文信息