基于改进分布式极限学习机的电站锅炉NOx排放预测算法

• 作者: 徐晨晨 续欣莹 阎高伟 韩晓霞
• 来源期刊: 太原理工大学学报
• 关键词: NOx排放 海量数据 MapReduce 分布式极限学习机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息工程·计算机科学与技术
• 页码范围: 946-952
• 页数: 7页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2017.06.012

摘要

提出了一种改进的分布式极限学习机的电站锅炉NOx排放特性建模方法.引入分布式和岭回归理论,提升了极限学习机预测算法的泛化性能和预测准确率.采用改进的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理大数据的能力.选用某660 MW电站锅炉提供的真实运行数据进行分析,并在Hadoop集群上进行实验,结果表明该模型对NOx排放有着较好的拟合和预测能力,且提出的算法具有优异的并行性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	续欣莹	太原理工大学信息工程学院	45	318	9.0	16.0
2	韩晓霞	太原理工大学信息工程学院	17	79	5.0	8.0
3	阎高伟	太原理工大学信息工程学院	58	223	8.0	12.0
4	徐晨晨	太原理工大学信息工程学院	3	22	2.0	3.0