[发明专利]煤质成分实时精准检测设备的大数据分析方法

说明书

本发明公开了煤质成分实时精准检测设备的大数据分析方法,方法包括如下步骤：步骤A1：将煤质的六大成分值和环境光源感应的输出值经过换算模型处理后，输出两组数据，一组七个为原始电伏信号，另一组为经“煤质数值分析模型”处理后的六大成分数据；步骤A2：将经过“煤质数值分析模型”处理后的六大成分数据和七个原始电伏信号输入到大数据整理、存储、挖掘管理平台；步骤A3：大数据整理、存储、挖掘管理平台对两组数据进行共性、差异和剩余三种类型的分类和整理；解决了以往煤质成分实时精准检测设备在读取数据时整理、归类、存储、挖掘、处理和分析复杂的问题。

技术领域

本发明涉及煤质六大成分值的数据分析领域，特别是煤质成分实时精准检测设备的大数据分析方法。

背景技术

以往的煤质成分实时精准检测设备，由于测量部分每50ms产生一组数据，每天有超过20万条的数据量，这些数据量是巨大的，对于这些大数据的整理、归类、存储、挖掘、处理和分析就变得复杂而重要。

发明内容

为解决现有技术中存在的问题，本发明提供了煤质成分实时精准检测设备的大数据分析方法，解决了以往煤质成分实时精准检测设备在读取数据时整理、归类、存储、挖掘、处理和分析复杂的问题。

本发明采用的技术方案如下：煤质成分实时精准检测设备的大数据分析方法,包括如下步骤：

步骤A1：将煤质的六大成分值和环境光源感应的输出值经过换算模型处理后，输出两组数据，一组为七个原始电伏信号，另一组为经“煤质数值分析模型”处理后的六大成分数据；

步骤A2：将经过“煤质数值分析模型”处理后的六大成分数据和七个原始电伏信号输入到大数据整理、存储、挖掘管理平台；

步骤A3：通过大数据整理、存储、挖掘管理平台对两组数据进行共性、差异和剩余三种类型的分类和整理；

步骤A4：将大数据整理、存储、挖掘管理平台处理后的数据输出到共性数据库、差异数据库和剩余数据库中。

优选地，步骤A1和A2的“煤质数值分析模型”为对煤质6大成分值的所有数据统一结构，同时按不同的特性算法，对所有数据按共性、差异和剩余三种类型进行分类、整理。

优选地，所述步骤A3和A4的大数据整理、存储、挖掘管理平台的算法为带记忆和裂变的修正K-Means算法。

优选地，带记忆和裂变的修正K-Means算法包括如下步骤：

步骤B1：将煤质的六大成分分别记为Ci(Q、M、A、V、Fc、S)，将Q、V、S三个特性值对应三维空间X、Y、Z轴；

步骤B2：初始化煤种的数量K，K对应为煤种专家系统煤种的数量，当煤质成分实时精准检测设备的煤种专家系统扩充煤种数量时，深度学习系统会自动增加K的值；

步骤B3：自动存储上次数据挖掘输出的数据为K个质心点对应数据，并采用“记忆部分核心算法”处理数据；

步骤B4：将“记忆部分核心算法”处理后的数据进行“修正K-Means核心算法”处理；

步骤B5：将“修正K-Means核心算法”处理后的数据输出到“裂变部分核心算法”进行处理，最后将处理好的数据存储到共性数据库、差异数据库和剩余数据库中。

优选地，步骤B3的“记忆部分核心算法”包括如下步骤：

步骤C1:煤质成分实时精准检测设备将自动存储上次数据挖掘时找到的K个质心点，定义为Zi，i＝1、2…K，算法初始化质心点，定义为Si，i＝1、2…K；

步骤C2：令Zi＝Si。

优选地，步骤B3的“修正K-Means核心算法”包括如下步骤：