【技术实现步骤摘要】
本专利技术涉及事故场景监测预警状态领域，具体来说是一种监测预警算法跨平台跨语言使用的方法。
技术介绍
1、滑坡和矿井事故造成的人员伤亡和经济损失在各个方面都是巨大的。近年来，大数据、深度学习、神经网络模型等技术的不断发展以及各类监测预警算法的运用，使得预测事故灾害的准确度不断的提高。
2、目前的世界正处在一个信息化时代，每天产生的数据量是非常庞大的，因此，选取采集到的重要且可靠的数据，用来监测当前的生产环境是否存在安全隐患，并通过对这些重要数据的预测，来显示目前场景容易发生事故的概率，从一定意义上讲，研究建立大数据监测预警算法库对于生产环境的监测和预警是有必要的，对其场景的安全性和可靠性也具有十分重要的意义。目前，为了满足对事故场景事前、事中、事后三个阶段的监测和预警的需求，设计了应急大数据监测预警算法库，其中，该算法库主要由spark mllib库中的算法构成，但是，现有的spark mllib中的算法，只适合一些简单的测试学习，以及一些简单场景的案例，无法满足复杂的生产环境需要。
技术实现思路
【技术保护点】
1.一种监测预警算法跨平台跨语言使用的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，步骤S6的具体内容为：
3.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，矿井数据集中的每条数据均包括五项数据项，分别为：一氧化碳浓度、粉尘浓度、瓦斯浓度、温度、风速；
4.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，在步骤S3中，所述初始算法库的分类算法包括SVM算法、决策树算法，所述SVM算法、所述决策树算法均来自于Spark MLlib库。
5.根...
【技术特征摘要】
1.一种监测预警算法跨平台跨语言使用的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，步骤s6的具体内容为：
3.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，矿井数据集中的每条数据均包括五项数据项，分别为：一氧化碳浓度、粉尘浓度、瓦斯浓度、温度、风速；
4.根据权利要求1所述的监测预警算法跨平台跨语言使用的方法，其特征在于，在步骤s3中，所述初始算法库的分类算法包括svm算法、决策树算法，所述svm算法、所述决策树算法均来自于spark mllib库。
5.根据权利要求2所述的监测预警算法跨平台跨语言使用的方法，其特征在于，步骤s61中，最佳预测算法为生成pmml文件的bp算法模型。
6.根据权利要求1所述的监测预警算法跨平台跨语言使用的方...
【专利技术属性】
技术研发人员：夏庆新，房玉东，张新菊，魏永锋，郝威，楼权，
申请(专利权)人：华北科技学院中国煤矿安全技术培训中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。