46、机器学习中的聚类与回归方法研究

机器学习中的聚类与回归方法研究

1. 燃气轮机排放预测的弱监督回归方法

在燃气轮机排放预测的研究中，我们分析了燃气轮机一氧化碳（CO）和氮氧化物（NOx）排放数据集。该数据集包含了2011 - 2015年期间对位于土耳其的一台燃气轮机的11个工作特征（如温度、压力、湿度等）的测量值，其中CO和NOx的排放量是预测输出。对这些有害污染物的预测对于控制和减少发电厂的排放至关重要。

我们对2015年的CO排放量进行了预测（总共7384个观测值），并采用了以下实验设置：
- 数据划分 ：将数据集随机划分为学习样本和测试样本，比例为2:1。
- 样本标注 ：准确标注的样本量占总体数据的1%，10%的数据被视为标注不准确的实例，其余数据视为未标注样本。
- 聚类算法 ：使用k - 均值聚类作为基础集成算法，聚类数从100到100 + r不等。

实验结果如下表所示：
| 算法 | 平均MWD | 平均MAE | 平均计算时间（s） |
| ---- | ---- | ---- | ---- |
| WSR - LRCM | 1.85 | 0.634 | 1.99 |
| SSR - RBF | 5.18 | - | - |
| RF（300棵树） | - | 0.774 | 0.35 |
| LR | - | 0.873 | 0.38 |

从实验结果可以看出，在标注样本比例较小的情况下，提出的WSR - LRCM方法比其他比较方法的预测更准确。WSR - LRCM的计算时间