检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 电气工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 hadoop
1 篇 不良数据修复
1 篇 火电机组
1 篇 并行化设计
1 篇 不良数据辨识

机构

1 篇 东北电力大学

作者

1 篇 贾俊奇

语言

1 篇 中文

检索条件"主题词=不良数据修复"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

大数据环境下火电机组的不良数据辨识与修复方法研究

大数据环境下火电机组的不良数据辨识与修复方法研究

引用

作者：贾俊奇东北电力大学

学位级别：硕士

近年来,随着电力体制改革的稳步推进,各火力发电厂正积极地推进全面深化改革,发展信息化、智能化的火电机组信息系统,为下一步智慧电厂的发展奠定基础。目前,我国火力发电产业正处于高速运转之中,源源不断的数据正在被生产出来,如何辨... 详细信息

近年来,随着电力体制改革的稳步推进,各火力发电厂正积极地推进全面深化改革,发展信息化、智能化的火电机组信息系统,为下一步智慧电厂的发展奠定基础。目前,我国火力发电产业正处于高速运转之中,源源不断的数据正在被生产出来,如何辨识和修复其中的不良数据成为人们关心的热点问题。因此,本文从以下三个方面来深入探讨如何能够快速、准确地辨识和修复火电机组不良数据。针对目前现有的火电机组不良数据辨识方法存在的普适性较差、辨识结果没有参照依据、辨识准确率较低等问题,本文提出了不良数据HC-GSA辨识方法。首先,本文使用凝聚层次聚类算法结合未知真实Index的模型评估方法对围绕中心点的划分算法进行优化,提出了用于对历史正常数据进行运算的HC-Center聚类算法。其次,本文提出使用间隙统计算法对待测数据运算的结果与正常数据运用HC-Center聚类算法所得的结果进行对比,以类均方差值为依据实现不良数据的辨识。最后,经实验证明了本文所提出的方法能够有效地辨识出火电机组的不良数据,且与同类型算法相比具有更高的辨识准确率。针对目前现有的火电机组不良数据修复方法存在的无法准确地对连续性缺失数据或者数量较多的不良数据进行修复的局限性,本文提出了基于相似状态方法和SA-PSO-RBF修复算法的不良数据修复方法。首先,为保证修复后的数据能够最大程度的接近实际值,本文提出了用于选取与不良数据出现前一刻状态相似数据组的相似状态方法,目的是用来组建后续用到的神经网络算法的训练样本集。其次,本文又提出了使用模拟退火算法改良的粒子群算法为径向基函数神经网络的宽度参数和权值参数寻优并结合围绕中心点的划分算法为径向基函数神经网络计算得出的中心参数来构建神经网络预测模型的SA-PSO-RBF修复算法,该算法主要用于预测不良数据处的值,使用接近实际值的预测值来替代辨识出的不良数据,从而达到修复不良数据的效果。最后,经过实验验证,无论是多个非连续性的不良数据还是连续性缺失数据,本文所提出的方法均能够较为准确地对其进行修复,且与同类型算法的预测准确率相比,优势也较为明显。针对本文所提出的火电机组不良数据辨识与修复方法在待测数据量过大或训练样本过多的情况下存在的单节点计算资源不足、运算效率低下、耗时时间长等问题,本文提出将不良数据HC-GSA辨识方法和SA-PSO-RBF修复算法进行并行化处理。首先,本文分别为HC-Center聚类算法和间隙统计算法制定并行化方案来实现不良数据HC-GSA辨识方法的并行化设计。其次,本文对SA-PSO-RBF修复算法中资源消耗量大、耗费时间久的部分进行了并行化设计。最后,实验验证了本文提出的不良数据HC-GSA辨识方法并行化的设计和SA-PSO-RBF修复算法的并行化设计具有良好的准确性和较高的计算效率。

关键词：火电机组不良数据辨识不良数据修复 Hadoop 并行化设计

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：