Resumen

Con la diversificación del monitoreo de pendientes de minas a cielo abierto y el desarrollo de nuevas tecnologías como el monitoreo de flujo de datos de múltiples fuentes, el sistema normal de procesamiento de registros de alerta no puede cumplir con las expectativas de análisis de registros a la escala de big data. Para compensar esta desventaja, esta investigación proporcionará un algoritmo de predicción conjunto de datos anómalos del sistema basado en series temporales y un sistema de evaluación para el algoritmo. Este algoritmo integra múltiples algoritmos de predicción de clasificadores y realiza pronósticos clasificados para los datos recopilados, lo que puede optimizar la precisión en la predicción de los datos anómalos en el sistema. El algoritmo y el sistema de evaluación se prueban utilizando los datos de monitoreo microsísmico de una pendiente de mina a cielo abierto durante más de 6 meses. Los resultados de las pruebas ilustran que el algoritmo de predicción proporcionado por esta investigación puede integrar con éxito la

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Diversificación; Monitoreo de pendientes de minas a cielo abierto; Tecnologías; Algoritmo de predicción de conjunto; Datos anómalos del sistema; Sistema de evaluación
• Keywords:Diversification; Pit mine slope monitoring; Technologies; Ensemble prediction algorithm; Anomalous system data; Evaluation system