CN119539167A 一种用于矿产品的大数据动态监测方法及相关设备 (湖北永业地矿评估咨询有限公司)_第1页
CN119539167A 一种用于矿产品的大数据动态监测方法及相关设备 (湖北永业地矿评估咨询有限公司)_第2页
CN119539167A 一种用于矿产品的大数据动态监测方法及相关设备 (湖北永业地矿评估咨询有限公司)_第3页
CN119539167A 一种用于矿产品的大数据动态监测方法及相关设备 (湖北永业地矿评估咨询有限公司)_第4页
CN119539167A 一种用于矿产品的大数据动态监测方法及相关设备 (湖北永业地矿评估咨询有限公司)_第5页
已阅读5页,还剩51页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

街三角路村福星惠誉水岸国际6号地一种用于矿产品的大数据动态监测方法及本申请公开了一种用于矿产品的大数据动2数据获取模块,用于从矿产品全流程管理系统中获取目标地区数据分类存储模块,用于根据所述历史预测数据集对所述矿区监测信息进行特征分数据预测模块,用于从所述数据缓存单元中提取所述矿区勘数据验证模块,用于根据所述历史储量预测结果对所述地区矿产用户交互模块,用于获取目标用户的数据查询请若所述目标用户的身份权限认证通过,则所述用户交互模块还请求将所述数据缓存单元中的所述地区矿产总量发送至所述目标用特征提取子模块,用于提取所述矿区监测信息的监测数据特征和数据关联检索子模块,用于根据所述监测数据特征构建监测数据K数据特征并采用最邻近搜索法在所述监测数据KD树中检索出与所述历史预测数据具有关分类存储子模块,用于将所述矿区监测信息中的所述数据预处理子模块,用于从所述数据缓存单元中提取所述矿区勘模型构建子模块,用于根据预处理后的所述无人机勘探信息构建矿区表和所述矿区地质模型并通过数字化建模得到矿动用储量预测子模块,用于以所述矿区三维模型为基础并3效率预测子模块,用于基于所述矿区三维模型对所述矿区矿区储量预测子模块,用于结合所有所述目标矿区的所述开采效率和矿体体积计算单元,用于基于所述矿区三维模型并通过积分法计算第一数据提取单元,用于提取出所述矿区开采信息中的矿动用储量计算单元,用于预处理所述矿石开采重矿区动用储量计算公式计算得到所述目标矿区的动用储量动用储量预测单元,用根据所述动用储量时序数据并模型构建单元,用于基于图神经网络模型构建效率预测模型,所效率预测单元,用于将所述效率预测模型的均方误差作为预测开采效率的损失函数,数据提取子单元,用于提取出所述矿区开采信息中的开采设备部署时序对齐子单元,用于将所述矿区动用储量、数据插值子单元,用于通过多元插补法处理所述矿区动用储第一图层构建子单元,用于以各个所述矿区模型区域作矿区模型区域的空间相邻关系作为所述第一图节点的第一图节点边构建矿区第二图层构建子单元,用于以所有所述矿区模型区域在4第三图层构建子单元,用于以所述开采设备部署数据中的开采设备作为第三图节点,并以任意多个所述开采设备在同一所述时间点的设备协作关系作为第三图节点的第三图第四图层构建子单元,用于以所述开采人员分配数据中的开采人员作为第四图节点,并以任意多个所述开采人员在同一所述时间点的人员协作关系作为第四图节点的第四图预测模型构建单元,用于根据所述历史储量预测结果通过最小二乘法进行数据验证单元,用于基于所述储量预测模型获取所述目标地区的9.一种用于矿产品的大数据动态监测方法,其特征在于根据所述历史预测数据集对所述矿区监测信息进行特征分类,得到储量预测关联信从所述数据缓存单元中提取所述矿区勘探信息和所述矿区开采信息,基于目标矿区的所述矿区开采信息和所述矿区动用储量预测得到所述目标地区的地区矿产总根据所述历史储量预测结果对所述地区矿产总量验证,验证获取目标用户的数据查询请求,根据所述数据查询请求中的用户若所述目标用户的身份权限认证通过,则所述用户交互模块根缓存中的所述地区矿产总量发送至所述目标用5[0002]随着现代社会工业化进程的不断加速,对矿产品的需求量和重视程度也与日俱[0003]目前,对于矿产品储量的监测主要依赖人工清点矿产品储量并进行储量数据上[0010]数据验证模块,用于根据所述历史储量预测结果对所述验证成功则将所述地区矿产总量传输至所述数据6查询请求将所述数据缓存单元中的所述地区矿产总量发送至所述预测数据特征并采用最邻近搜索法在所述监测数据KD树中检索出与所述历史预测数据具[0019]模型构建子模块,用于根据预处理后的所述无人机勘探模型和所述矿区地质模型并通过数字化建模得到矿区[0026]动用储量计算单元,用于预处理所述矿石开采重量数据和所述矿石开采品味数据,结合所述矿体体积以及预处理后的所述矿石开采重量数据和所述矿石开采品味数据,并通过矿区动用储量计算公式计算得到所述目标矿区的动7[0031]图网络构建单元,用于结合预处理后的所述矿区动用储模块用于融合所述矿区异构图网络中多个不所述矿区模型区域的空间相邻关系作为所述第一图节点的第一图节点边构建矿区空间图[0046]预测模型构建单元,用于根据所述历史储量预测结果通8所述目标矿区的所述矿区开采信息和所述矿区动用储量预测得到所述目标地区的地区矿求将缓存中的所述地区矿产总量发送至所述通过动态监测系统预测出地区矿产总量,先获取目标地区内所有目标矿区的矿区监测信区动用储量和矿区开采信息预测出目标地区的地区矿产总量,然后对矿产总量进行验证,[0058]图1为本申请实施例提供的一种用于矿产品的大数据动态监测系统的结构示意[0059]图2为本申请实施例提供的一种用于矿产品的大数据动态监测方法的流程示意9[0063]图1示意性示出了根据本申请实施例的一种用于矿产品的大数据动态监测系统的史矿产储量预测记录,历史矿产储量预测记录包括历史预测数据集和历史储量预测结果,[0067]数据验证模块,用于根据所述历史储量预测结果对所述验证成功则将所述地区矿产总量传输至所述数据查询请求将所述数据缓存单元中的所述地区矿产总量发送至所述这通常通过API接口或者专用的数据传输协议来实现,如RESTfulAPI或者基于SOAP的Web[0072]矿区倾斜影像是无人机利用无人机倾斜摄影技术对目标矿区进行图像采集得到据预测模块预测出的地区矿产总量较为精准,直接将地区矿产总量上传至数据缓存单元,地区矿产总量与储量预测值之间的差值减小到可接受据查询请求将缓存中的地区矿产总量发送至预测数据特征并采用最邻近搜索法在所述监测数据KD树中检索出与所述历史预测数据具取主要的元素组合特征,减少数据维度。PCA的核心是计算协方差矩阵的特征值和特征向[0087]数据关联检索子模块利用KD树(K_DimensionalTree)结构和最邻近搜索算法来高效地找出与历史预测数据相关的储量预测关联信息。KD树是一种对k维空间中的点进行存[0091]模型构建子模块,用于根据预处理后的所述无人机勘探模型和所述矿区地质模型并通过数字化建模得到矿区储在时序数据库如InfluxDB中。提取这些数据涉及到复杂的时间范围查询和数据降采样。(cutoffgrade),即经济上值得开采的最低矿石品位。边界品位可以通过以下公式计算:业公司的投资决策和生产规划提供了强有力[0100]效率预测子模块的任务是结合先前预测的矿区动用储量和矿区开采信息来预测[0101]矿区储量预测子模块的任务是整合所有目标矿区的矿区开采信息和矿区动用储ifytheuncertaintyinourpredictions.考虑到矿产资源的开采影响周围地区的地质条[0107]V·O+F=0[0112]为了预测整个地区的矿产总量,需要考虑每个矿区的动用储量预测及其不确定[0119]动用储量计算单元,用于预处理所述矿石开采重量数据和所述矿石开采品味数据,结合所述矿体体积以及预处理后的所述矿石开采重量数据和所述矿石开采品味数据,并通过矿区动用储量计算公式计算得到所述目标矿区的动[0122]第一数据提取单元负责从矿区开采信息中提取矿石开采重量数据和矿石开采品管理这些原始数据。数据提取时,使用SQL查询语句或专门的数据处理软件(如Python的[0124]动用储量预测单元采用指数平滑法基于动用储量时序数据预测目标矿区的未来[0128]图网络构建单元,用于结合预处理后的所述矿区动用储模块用于融合所述矿区异构图网络中多个不[0134]模型构建单元基于图神经网络模型构建效率预测模型,该模型包括时空图卷积为:H"(I+1)=其中A是归一化的邻接矩阵,H^间戳和唯一标识符来合并或删除重复项。数据提取的最终结果应该是两个结构化的数据所述矿区模型区域的空间相邻关系作为所述第一图节点的第一图节点边构建矿区空间图Mn需要在每个时间点上都构建一个图结构。可以使用时间序列的邻接矩阵来表示这种动态[0163]在本实施例中,第二数据提取单元负责从数据主存单元中提取历史储量预测结[0167]S101、从矿产品全流程管理系统中获取目标地区内所有目标矿区的矿区监测信合所有目标矿区的矿区开采信息和计算得到的矿区动用储量来预测目标地区的矿产总量。年的预测值和实际值,具体使用SQL查询来获取这些数据。然后需要计算历史预测的准确|/实际值)*100其中n是历史数据点的数量。例如,如果过去5年的MAPE是5会设定一据;而处理器可以用于调用存储器中存储一种用于模拟训练的通信干扰方法的应用程序,[0185]本申请实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论