100 积分
50
评分
4.6 积分- 详情
- 2020-12-26
- 简介
pdf
- 258KB
- 页数 9P
- 阅读 100
- 下载 21
针对传统数据挖掘方法无法胜任与日俱增的海量数据挖掘工作的问题,引入大数据挖掘技术,以粗糙集属性约简方法为基础,对经典K-means聚类算法进行改进,实现其在Hadoop平台的MapReduce框架上的并行化计算,形成满足海量数据挖掘工作的新算法。以某600 MW燃煤发电机组海量运行数据为挖掘对象,采用新算法对典型负荷工况下影响锅炉效率的运行参数进行挖掘,挖掘出可调控机组运行参数的最优目标值。结果表明:新算法可用于锅炉海量运行数据优化目标值的确定,节能减排效果良好,其挖掘出的优化目标值代表了历史最优可达值,可指导锅炉优化运行。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于并行计算的大数据挖掘技术及其在电站锅炉性能优化中的应用 258KB
1-电站锅炉性能试验技术 14.1MB
基于大数据挖掘的食品安全管理研究 1.1MB
基于大数据挖掘技术的输变电设备故障诊断方法 1.8MB
探析大数据挖掘在工程项目管理中的应用 91KB
基于大数据的计算机数据挖掘在档案管理上的应用 187KB
基于通信大数据挖掘的网络业务类型划分方法研究 2.1MB
基于数据挖掘技术的变电站无功蚁群优化算法 1.3MB
火电站锅炉优化运行软件系统概述 103KB
大数据技术及其在通信行业中的应用研究 2.1MB