[发明专利]基于大数据平台的大坝变形预测方法在审
| 申请号： | 201711487838.8 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108228819A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 饶小康;贾宝良;张金燿;罗熠;张慧;郭亮;贺毅;张兴;张念;詹程远;余祎;熊俊;梁垒 | 申请（专利权）人： | 武汉长江仪器自动化研究所有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62 |
| 代理公司： | 北京汇泽知识产权代理有限公司 11228 | 代理人： | 程殿军 |
| 地址： | 430010 湖北省武*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于大数据平台的大坝变形预测方法，包括以下步骤：针对大坝变形监测的离线历史数据和实时在线数据，采用Flume‑Kafka‑Storm分布式数据采集处理机制对数据进行采集和汇总；将数据源中的数据抽取到临时中间层，对数据进行清洗和转换，然后将清洗和转换后的数据加载至HDFS分布式文件系统；根据具体大坝变形预测需求，从影响大坝变形的特征集合中选取一组最有效的特征子集；基于大数据人工智能算法建立MapReduce或者Spark大数据并行计算框架之上的KNN并行化算法预测模型并对大坝变形进行预测。本发明建立基于大数据人工智能算法的大坝变形预测模型，实现大数据平台下一种新的大坝变形预测方法，提高大坝变形预测效率和精度。 | ||
| 搜索关键词： | 大数据 变形 大坝 预测 人工智能算法 清洗 分布式数据采集 分布式文件系统 大坝变形监测 实时在线数据 并行计算 处理机制 历史数据 数据抽取 数据加载 算法预测 特征集合 特征子集 影响大坝 预测模型 变形的 并行化 数据源 中间层 转换 离线 采集 | ||
【主权项】：
1.一种基于大数据平台的大坝变形预测方法，其特征在于：包括以下步骤：S1，针对大坝变形监测的离线历史数据和实时在线数据，包括结构化数据、半结构化数据和非结构化数据，采用Flume‑Kafka‑Storm分布式数据采集处理机制对数据进行采集和汇总；S2，将数据源中的数据抽取到临时中间层，对数据进行清洗和转换，然后将清洗和转换后的数据加载至HDFS分布式文件系统；S3，根据具体大坝变形预测需求，从影响大坝变形的特征集合中选取一组最有效的特征子集；S4，基于大数据人工智能算法建立MapReduce或者Spark大数据并行计算框架之上的KNN并行化算法预测模型并对大坝变形进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉长江仪器自动化研究所有限公司，未经武汉长江仪器自动化研究所有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711487838.8/，转载请声明来源钻瓜专利网。
