基于样本优选的集成学习在脱硫优化中的应用

• 作者: 葛志辉 邢江宽 罗坤 樊建人
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 聚类 采样 集成学习 脱硫系统 样本优选
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 能源工程|Energy Engineering
• 页码范围: 1566-1575
• 页数: 10页
• 分类号: TK01+8
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.08.018

摘要

基于实际电厂的大量脱硫数据,删除初始脱硫数据库中异常值和非稳态值,提取与输出相关系数较高的集成学习模型输入参数,采用改进的基于随机采样和聚类采样的集成学习算法,建立预测脱硫塔循环泵开启台数的集成学习模型,研究分类问题中样本不均衡、优选样本评价标准缺失和脱硫优化的问题.结果显示,与改进前模型相比,改进后的集成学习模型总体预测准确度提升了33％,并且基于聚类的采样略优于随机采样.此外,对单一类别预测的召回率进行分析,对比不同算法对少数类和多数类的召回率,结果显示2种改进的采样方法对少数类的预测有较大的提升,预测的召回率大于90％,对多数类的预测也有一定的提升效果.讨论泵组合作为模型输出时,其样本分布和模型精度的差异.