大数据建模矿山防盗预警系统开发升级，矿山防盗采系统。
通过采集多个矿山平台大数据采集，并且对数据进行选择和分类，为模型的分析计算提供数据基础。
a.人员工种，作业类型和作业区域信息
b.人员下井作业轨迹和位置滞留信息
c.人员下井和上井的数据
d.人员考勤过程中的生物数据
e.井下监控系统对人脸的识别数据
f.井下监控系统对巷道人员流动情况统计数据
预测模型的主要作用是通过数学建模，根据对象的历史信息和未来信息的输入从而预测其未来输出，展示系统未来动态行为的功能，我们可以在系统仿真时，通过调整控制策略，观察不同控制策略组合下的未来输出。预测模型中通过对大数据采集的数据分析，可以预测到人员盗窃概率。进而提供判断依据。
在每一个大数据采集和预测的过程中，每个数据采集时刻，优化的性能指标仅仅涉及到从该时刻起至未来有限时间，而在下一个采集每一时刻有一个相对于该时刻的优化性能指标，因此，在预测控制中，优化不是一次离线进行的，二是反复在线进行的。通过滚动优化，来保证模型与现实的紧密相关。
预测控制是一种闭环算法，他通常只是实现本时刻的控制作用，而不是把这些通过优化确定的一系列未来的控制作用逐一全部实施。到下一个采集时刻，首先监测对象的实际输出，并且利用这一个实际信息对预计模型的预测进行修正，然后进行新的优化。因此，预测控制都把优化建立在系统实际的基础上，并且力图在优化系统时对系统未来的行为作出较为准确的判断，预测控制中的优化不仅基于模型，而且利用了反馈的信息，从而构成闭环优化。
