一种大数据处理技术在盐化工生产中的应用方法及系统技术方案

本发明专利技术属于数据处理技术领域，公开了一种大数据处理技术在盐化工生产中的应用方法及系统，将差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器采集的信息，通过RDF算法部署异构节点组成的局部无线局域网传输至Internet网络层；最后将采集的信息数据发送至数据中心；在应用层中对数据分析处理并存储，同时采用支持3G/4G或5G的智能移动设备与数据中心和用户进行交互，系统包括：感知层、网络层、应用层。本发明专利技术提出了大数据时代物联网、云计算在盐化工产业领域的融合性技术框架；提出了基于大数据的盐化工物联网的框架体系、物理部署，重点展开数据挖掘技术在大数据处理系统平台的实现。

【技术实现步骤摘要】
一种大数据处理技术在盐化工生产中的应用方法及系统
本专利技术属于数据处理
，尤其涉及一种大数据处理技术在盐化工生产中的应用方法及系统。
技术介绍
目前，大数据已成为学术界和产业界共同关注的研究主题，并已渗透到每一个行业和业务职能领域，具有广阔的应用前景。从长远来看，大数据时代，国家层面的竞争力将部分体现为一国拥有大数据的规模、活性以及对数据的解释、运用的能力。大数据研究的动力主要是企业经济效益，国外IBM、Oracle、Microsoft、Google等跨国巨头是发展大数据处理技术的主要推动者。(1)自2005年以来，IBM投资160亿美元进行了30次与大数据有关的收购，促使其业绩稳定高速增长。(2)华尔街早就开始招聘精通数据分析的天文学家和理论数学家来设计金融产品。(3)eBay通过数据挖掘可精确计算出广告中的每一个关键字为公司带来的回报。目前国内以大数据技术实现的项目已经层出不穷，特别是大型互联网企业，都开始对大数据存储、处理和应用进行战略布局。(1)支付宝利用“PC服务器集群+开源软件”等手段可以对300亿条用户交易数据进行查询，大数据影响了公司的决策和业务运作。(2)国家电网、电信业务也将大数据技术应用于部门业务中，带来了可观的收益。大数据具有体量大、速度快、模态多、难辨识和价值大、密度低的特点。但大数据处理的难点并仅仅是在数据存储，而在于数据的多样性和不确定性，同时因劣质数据的存在带来数据辨识难度大，因此如何提取有效数据并反馈应用于其所处的业务领域是其关键问题。自贡是我国千年盐都，钻井采卤制盐已有一千六百多年的历史。其制盐经济效益主要受生产成本、能耗和污染等影响。因此不断采用新工艺、新技术、新材料、新设备始终是降低资源消耗、提高经济效益的有效途径。综上所述，现有技术存在的问题是：现有大盐化工产业中，对盐化工生产中涉及到的生产工艺参数、投入成本、节能节水、环境影响等海量大数据未进行统计，没有建立数据分析综合平台，未从大数据处理的角度对有效信息进行提取融合，因此不能对其生产工艺涉及的各种环节进行科学合理的矫正，不能促进井盐资源优势向经济优势的转化，更好服务于地方经济发展；同时现有的数据处理因数据规模大、分析处理时间长不能满足实时性，不能及时在线处理盐业工艺中的生产问题，导致产量低，经济效益低。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种大数据处理技术在盐化工生产中的应用方法及系统。本专利技术是这样实现的，一种大数据处理技术在盐化工生产中的应用方法，所述大数据处理技术在盐化工生产中的应用方法包括：将差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器采集的信息，通过RDF算法部署异构节点组成的局部无线局域网传输至Internet网络层；最后将采集的信息数据发送至数据中心；在应用层通过数据挖掘的大数据分析技术对数据分析处理并存储，同时采用支持3G/4G或5G的智能移动设备与数据中心和用户进行交互。进一步，采集的信息包括盐化工产业中的pH值、电导率、溶解氧、氧化还原电位、生化需氧量及氨氮。进一步，通过RDF算法构成的无线传感器网络，可减少网络能量消耗增加网络寿命。在其随机分布网络中，假定所有传感节点和sink节点是符合参数为λ0和λ1的齐次泊松分布，λ0＞＞λ1；对于一个已选定的异构节点的位置，其网络寿命表示为：Ei为关键节点的初始能量；P代表关键节点在一次数据采集过程中消耗的能量；εt表示传感节点发送一个数据包所消耗的能量；εr表示传感节点接收一个数据包所消耗的能量；ns为关键节点的个数；εi节点在发第一个包和第二个包之间空闲监听信道所消耗的能量；通过上面公式用于计算网络消耗能量。本专利技术的另一目的在于提供一种大数据处理技术在盐化工生产中的应用系统，包括:从下到上依次通过无线连接的感知层、网络层、应用层；所述感知层通过RDF算法部署异构节点组成一个局部无线局域网；所述应用层借助数据仓库、高性能云计算技术对网络层获取的感知层的各类参数进行处理、统计和查询；同时采用支持3G/4G或未来5G的智能移动设备与数据中心和用户进行交互。进一步，感知层包括：差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器，均部署盐矿及其化工产业设备中；无线接收器自动接收感知设备数据并通过物联网网关连接至Internet网络层；最后数据发送至数据中心；应用层包括数据中心，所述数据中心包括：大数据存储系统，借助数据仓库、高性能云计算等技术对网络层获取的感知层的各类参数进行存储；分析和共享服务系统，借助数据仓库、高性能云计算技术对网络层获取的各类参数进行处理、统计和查询；利用神经网络和模式识别分析于数据挖掘中，完成对信息的高效处理；同时采用支持3G/4G或未来5G的智能移动设备与数据中心和用户进行交互。本专利技术将大数据技术应用于盐化工产业当中，对盐化工生产中涉及到的生产工艺参数、投入成本、节能节水、环境影响等海量大数据进行分析，并建立数据分析综合平台，最终促进了井盐资源优势向经济优势的转化，更好服务于地方经济发展。本专利技术首次系统化地提出了大数据时代物联网、云计算等技术在盐化工产业领域的融合性技术框架。初次提出了基于大数据的盐化工物联网的框架体系、物理部署，重点展开探讨了数据挖掘技术在大数据处理系统平台的实现。采用区域密度优先(RDF)算法于无线传感器网络异构节点部署中，解决了网络覆盖广出现的能量空洞问题，延长了网络寿命。针对盐化工信息模糊性和不确定性等特点，采用神经网络和D-S证据理论的两层数据融合技术，提取有效数据并去除冗余数据，提高了输出数据的准确度，同时提高了整个系统的运行效率。采用一站式应用方案实现大数据可视化性能。采用RIA技术使各类客户端(PC/PHONE/PDA等)通过Internet连接到信息分析平台，客户端无需关心后台数据的处理和存储方式，达到跨平台、跨语言、跨数据库的虚拟化数据集成和共享平台。附图说明图1是本专利技术实施例提供的大数据处理技术在盐化工生产中的应用方法流程图。图2是本专利技术实施例提供的大数据处理技术在盐化工生产中的应用系统示意图。图3是本专利技术实施例提供的神经网络和D-S证据理论两级融合算法相结合的方法流程图。图4是本专利技术实施例提供的大数据处理技术在盐化工生产中的应用系统实物(盐化工大数据分析处理平台)图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。下面结合附图对本专利技术的应用原理作详细的描述。图1是本专利技术实施例提供的大数据处理技术在盐化工生产中的应用方法，包括：S101:数据采集部分将差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器部署盐矿及其化工产业设备中，通过RDF算法部署异构节点组成一个局部无线局域网作为系统的感知层；S102:无线接收器自动接收感知设备数据并通过物联网网关连接至Internet网络层；最后数据发送至数据中心，在应用层通过数据挖掘等大数据分析技术对数据分析处理并存储，同时采用支持3G/4G或未来5G的智能移动设备与数据中心和用户进行交互。感知层主要是数据采集本文档来自技高网...

【技术保护点】
一种大数据处理技术在盐化工生产中的应用方法，其特征在于，所述大数据处理技术在盐化工生产中的应用方法包括：将差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器采集的信息，通过RDF算法部署异构节点组成的局部无线局域网传输至Internet网络层；最后将采集的信息数据发送至数据中心；在应用层通过数据挖掘的大数据分析技术对数据分析处理并存储，同时采用支持3G/4G或5G的智能移动设备与数据中心和用户进行交互。

【技术特征摘要】
1.一种大数据处理技术在盐化工生产中的应用方法，其特征在于，所述大数据处理技术在盐化工生产中的应用方法包括：将差压变送器、流量计、液位传感器、温度变送器、RFID感知设备和若干个无线接收器采集的信息，通过RDF算法部署异构节点组成的局部无线局域网传输至Internet网络层；最后将采集的信息数据发送至数据中心；在应用层通过数据挖掘的大数据分析技术对数据分析处理并存储，同时采用支持3G/4G或5G的智能移动设备与数据中心和用户进行交互。2.如权利要求1所述的大数据处理技术在盐化工生产中的应用方法，其特征在于，采集的信息包括盐化工产业中的pH值、电导率、溶解氧、氧化还原电位、生化需氧量及氨氮。3.如权利要求1所述的大数据处理技术在盐化工生产中的应用方法，其特征在于，RDF算法在随机分布网络中，假定所有传感节点和sink节点是符合参数为λ0和λ1的齐次泊松分布，λ0＞＞λ1；对于一个已选定的异构节点的位置，其网络寿命表示为：Ei为关键节点的初始能量；P代表关键节点在一次数据采集过程中消耗的能量；εt表示传感节点发送一个数据包所消耗的能量；εr表示传感节点接收一个数据包所消耗的能量；ns为关键节点的个数；εi节点在发第一个包和第二个包之间空闲监听信道所消耗的能量；通过上面公式用于计算网络消耗能量。4.如权利要求1所述的大数据处理技术在盐化工生产中的应用方法，其特征在于，所述大数据处理技术在盐化工生产中的应用方法采用BP神经网络和D-S证据理论两级融合算法相结合的方法优化输出数据；BP神经网络算法为：选定学习的数据，p＝1，…，P，随机确定初始权矩阵W(0)用学习数据计算网络输出；反下式向修正，直到用完所有学习数据；l＝1,...,L,采用Le...

【专利技术属性】
技术研发人员：姚娅川，韩强，胡燕飞，
申请(专利权)人：四川理工学院，
类型：发明
国别省市：四川,51