基于大数据智能的煤矿水害预测数据建模研究

摘要

针对当前煤矿水害预测过程中内存消耗量大、预测结果精准度低等问题。提出了基于大数据智能的煤矿水害预测数据建模研究。根据电平翻转法,采用矿井水文监控系统采集矿井水文数据信息,使用Bayes判决理论剔除与数据模型构建无关的数据。将数据处理结果导入FEFLOW平台中,展开水文地质参数划分,构建煤矿地下水模型。将地下水模型数据代入GM(1,2)模型中,完成煤矿水害预测数据模型构建。实验结果表明,该模型可有效地弥补当前模型的不足,将内存消耗量控制在20%~25%之间,精准度控制在98.5%左右,提高了预测结果的科学性,为煤矿的安全生产提供了数据支撑。