文献类型：期刊文章

作　　者：高学伟[1,2] 付忠广[2] 孙力[1] 张刚[1]

机构地区：[1]沈阳工程学院仿真中心,辽宁沈阳110136 [2]华北电力大学电站设备状态监测与控制教育部重点实验室,北京102206

出　　处：《河北大学学报（自然科学版）》

基　　金：沈阳工程学院科技基金资助项目(LGQN-1051);辽宁省教育厅创新团队项目(LT2015018)

年　　份：2017

卷　　号：37

期　　号：3

起止页码：309-315

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、MR、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：大数据时代环境下,火电厂大量数据被存储到数据库中而不能被充分利用,由于双进双出钢球磨煤机系统的复杂性,很难建立其准确的机理数学模型,为此提出一种基于大数据挖掘的建模方法.首先分析影响磨煤机料位的因素,提取现场海量的实际运行数据,在Hadoop平台下利用K-Means聚类算法删除离群点,利用主成分分析法(PCA)降维完成属性约简,然后在MapReduce架构上采用分布式支持向量机(D_SVM)建立模型,实现计算并行化.结果表明,采取该方法提高了建模效率,所建立的模型具有很高的精确度,且具有很好的泛化能力,该模型可以用于表征实际料位的特性.

关 键 词：双进双出磨煤机 HADOOP平台 分布式支持向量机  K-MEANS聚类 主成分分析

分 类 号：TP399]