基于云计算的大数据信息分析处理系统技术方案

本发明专利技术公开了一种基于云计算的大数据信息分析处理系统，其包括激光诱导等离子光谱设备和上位机，所述的激光诱导等离子光谱设备用于对已知的煤质样品进行特征谱线测试，获得每一种已知的煤质样品的识别模型集合；基于云计算应用已经建立的煤质样品识别模型集合来识别未知的煤质样品，当使用了若干个煤质样品的识别模型集合对未知的煤质样品进行识别失败之后，在识别失败的若干个煤质样品的识别模型集合之中选择识别阈值匹配最高的一种煤质样品的识别模型集合，并且根据该选定的煤质样品的识别模型集合的所有索引值选择一个最大的索引值，确定最相关的煤质样品的识别模型集合，以所确定的最相关的煤质样品的识别模型集合对未知的煤质样品进行识别。合对未知的煤质样品进行识别。合对未知的煤质样品进行识别。

【技术实现步骤摘要】
基于云计算的大数据信息分析处理系统


[0001]本专利技术涉及大数据信息分析处理，具体涉及到一种对煤质进行识别和分析相关领域中的基于云计算的大数据信息分析处理系统。

技术介绍

[0002]在对煤质进行识别和分析相关领域中，相关的现有技术公开了基于大数据库辨识的煤质特性分析方法，其主要的步骤一般：首先使用各种特性已知的n种煤炭样品作为定标样品，利用激光诱导击穿光谱系统，对每种定标样品采用不同实验条件分别进行检测：设置激光波长为λ，激光能量为A，延迟时间为B，激光聚焦的斑点直径为C，其中,λ包括1064nm、532nm、266nm、193nm；90mJ≤A≤150mJ， 0.5μs≤B≤3μs；100μm≤C≤1000μm；多次改变λ、A、B和C中至少一种参数的值，共得到p种设置；
[0003]对于p种设置中任一种设置下每种定标样品重复击打t次，得到n种定标样品的t
×
n个特征光谱，从每个特征光谱中得到定标样品内各种元素的特征谱线强度矩阵；
[0004]对于p种设置中任一种设置下的任意由t次重复击打，得到均值矩阵和方差矩阵；
[0005]重复上面步骤，得到包含p种设置下n种定标样品的t
×
n
×
p个特征光谱的特征光谱大数据库；特征光谱大数据库中包含的n种定标样品称为定标样品库；
[0006]然后，以各种特性已知的n种定标样品中某一种特性作为目标特性，在p种设置中每一种设置下，利用多变量定标的方法对定标样品的目标特性分别建立定标模型；以各种特性未知的煤炭样品为待测样品，首先使用激光诱导击穿光谱系统在p种设置下检测待测样品，对于p种设置中任一种设置下的待测样品的任一特征谱线由s次重复击打得到的特征光谱得到s个其中s≥50；计算s个的均值和方差，得到待测样品的均值矩阵和方差矩阵；然后针对不同的阈值，判断是不是所有的特征谱线都满足阈值关系的，如果满足的话，则认为在当前设置下，待测样品与定标样品库中相应种样品的特征光谱没有显著差异；
[0007]计算中重复前面的步骤，在p种设置下，检验待测样品与定标样品库中任一种定标样品的特征光谱之间的差异性，若在p种设置下，待测样品与定标样品库中相应种样品的特征光谱都没有显著差异，则最终确定待测样品和定标样品库中相应种样品是同一种样品；直接得到待测样品的目标特性的值，否则继续利用前面的定标模型计算目标特性的值。
[0008]相关的类似现有技术确实能够对煤质进行识别和分析并判断待测样品的目标特性的值，但是实际上该技术的效率并不高，因为在对煤质进行识别和分析中类似的现有技术定标模型的数量有限的，这主要是因为其构建模型的参数设置的有限性和确定性带来的，比如现有技术中对于激光波长、激光能量、延迟时间、激光聚焦的斑点直径等相关参数都有具体的限定；所以基于上述参数最后检测获取的定标模型的数量有限，这样子在实际的煤质样品的测试中并不能完全确保所有的待测样品都能被识别，现有技术中的解决办法：如果不能识别到待测样品则继续利用前面的定标模型计算目标特性的值，这样子不仅仅效率低而且多次反复计算也未必能够识别到待测样品。

技术实现思路

[0009]本专利技术的目的在于提供基于云计算的大数据信息分析处理系统。
[0010]为实现上述目的，本专利技术采取的技术方案如：
[0011]基于云计算的大数据信息分析处理系统，包括激光诱导等离子光谱设备和上位机，所述的激光诱导等离子光谱设备用于对已知的煤质样品进行特征谱线测试，获得每一种已知的煤质样品的识别模型集合；识别模型集合；
[0012]所述的上位机内设置大数据数据库；
[0013]所述的上位机用于采集和存储每一种已知的煤质样品的识别模型集合，建立任意的两种煤质样品识别模型集合之间的相关性系数集，并且“任意的两种煤质样品识别模型集合之间的相关性系数集”作为主要数据项配置大数据数据库；
[0014]所述的上位机还用于基于云计算，应用已经建立的煤质样品识别模型集合来识别未知的煤质样品，在煤质样品识别中根据识别的具体结果不断更新“任意的两种煤质样品识别模型集合之间的相关性系数集”对应的识别元素参数的相关性函数；
[0015]所述的上位机还用于基于云计算，应用已经建立的煤质样品识别模型集合来识别未知的煤质样品，当使用了若干个煤质样品的识别模型集合对未知的煤质样品进行识别失败之后，在识别失败的若干个煤质样品的识别模型集合之中选择识别阈值匹配最高的一种煤质样品的识别模型集合，并且根据该选定的煤质样品的识别模型集合的所有索引值选择一个最大的索引值，根据该选择的最大的索引值，确定最相关的煤质样品的识别模型集合，然后，以所确定的最相关的煤质样品的识别模型集合对未知的煤质样品进行识别。
[0016]优选地所述的对已知的煤质样品进行特征谱线测试，获得每一种已知的煤质样品的识别模型集合具体的：
[0017]设共计m种已知的煤质样品，则已知的煤质样品的识别模型集合为：
[0018][0019]其中的j
mn
具体为第m种煤质样品的第n个识别元素参数，该识别元素参数包括一个具体数值、多维的矩阵数值。
[0020]优选地“任意的两种煤质样品识别模型集合之间的相关性系数集”为k(C
i
，C
l
)，k(C
i
，C
l
)具体表征为第i 种煤质样品识别模型集合的识别元素参数与第l种煤质样品识别模型集合相应的识别元素参数之间的相关性系数形成的集合。
[0021]“任意的两种煤质样品识别模型集合之间的相关性系数集”k(C
i
，C
l
)具体为：
[0022]k(C
i
,C
l
)＝(p1(j
i1
‑
j
l1
),p2(j
i2
‑
j
l2
)，p3(j
i3
‑
j
l3
)，......，p
n
(j
in
‑
j
ln
))
[0023]，其中的p
n
为第i种煤质样品识别模型集合的第n个识别元素参数与第l种煤质样品识别模型集合的第n个识别元素参数的相关性函数，相关性函数p
n
的输入数值为第i种煤
质样品识别模型集合的第n个识别元素参数与第l种煤质样品识别模型集合的第n个识别元素参数的差值。
[0024]对于每一个“任意的两种煤质样品识别模型集合之间的相关性系数集”k(C
i
，C
l
)，为其分配一个索引值
[0025][0026]，
[0027]其中的q为变数，其中的u
n
为统一参数分配的权值，其中的n为正整数。
[0028]优选地更新“任意的两种煤质样品识别模型集合之间的相关性系数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的大数据信息分析处理系统，其特征在于，包括激光诱导等离子光谱设备和上位机，所述的激光诱导等离子光谱设备用于对已知的煤质样品进行特征谱线测试，获得每一种已知的煤质样品的识别模型集合；所述的上位机内设置大数据数据库；所述的上位机用于采集和存储每一种已知的煤质样品的识别模型集合，建立任意的两种煤质样品识别模型集合之间的相关性系数集，并且“任意的两种煤质样品识别模型集合之间的相关性系数集”作为主要数据项配置大数据数据库；所述的上位机还用于基于云计算，应用已经建立的煤质样品识别模型集合来识别未知的煤质样品，在煤质样品识别中根据识别的具体结果不断更新“任意的两种煤质样品识别模型集合之间的相关性系数集”对应的识别元素参数的相关性函数；所述的上位机还用于基于云计算，应用已经建立的煤质样品识别模型集合来识别未知的煤质样品，当使用了若干个煤质样品的识别模型集合对未知的煤质样品进行识别失败之后，在识别失败的若干个煤质样品的识别模型集合之中选择识别阈值匹配最高的一种煤质样品的识别模型集合，并且根据该选定的煤质样品的识别模型集合的所有索引值选择一个最大的索引值，根据该选择的最大的索引值，确定最相关的煤质样品的识别模型集合，然后，以所确定的最相关的煤质样品的识别模型集合对未知的煤质样品进行识别。2.根据权利要求1所述的一种基于云计算的大数据信息分析处理系统，其特征在于，所述的对已知的煤质样品进行特征谱线测试，获得每一种已知的煤质样品的识别模型集合具体的：设共计m种已知的煤质样品，则已知的煤质样品的识别模型集合为：其中的j
mn
具体为第m种煤质样品的第n个识别元素参数，该识别元素参数包括一个具体数值、多维的矩阵数值。3.根据权利要求2所述的一种基于云计算的大数据信息分析处理系统，其特征在于，“任意的两种煤质样品识别模型集合之间的相关性系数集”为k(C
i
，C
l
)，k(C
i
，C
l
)具体表征为第i种煤质样品识别模型集合的识别元素参数与第l种煤质样品识别模型集合相应的识别元素参数之间的相关性系数形成的集合。4.根据权利要求3所述的一种基于云计算的大数据信息分析处理系统，其特征在于，“任意的两种煤质样品识别模型集合之间的相关性系数集”k(C
i
，C
...

【专利技术属性】
技术研发人员：汪文英，
申请(专利权)人：北京三月雨文化传播有限责任公司，
类型：发明
国别省市：