基于大数据平台和并行随机森林算法的能耗预测模型优化

摘要：

利用Hadoop,Spark,Hbase等构建分布式大数据分析平台,在此基础上通过数据采集和预处理获得健康的数据集,建立并行随机森林算法的能耗回归预测模型,全面分析和比较基于随机森林预测模型的输入与模型参数、输出之间的关系.重点比较分析了决策树数量、决策树深度、最大分裂数等参数对训练模型精度、运行时效、复杂度的影响,得到该预测模型的最优化参数,实现供电煤耗的精准预测与软测量计算.

关键词：大数据分析平台、随机森林回归算法、Spark分布式计算、供电煤耗、预测

所属期刊栏目：40

分类号：TK01(一般性问题)

资助基金：中国大唐集团公司总部科技项目20170903

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-4,9