基于t-SNE降维与k-means聚类算法的化工厂节能减排分析

节能减排对于经济社会和谐发展、实现可持续发展具有重大战略意义。为保证化工企业实现节能减排的目标,提出了一种结合t-SNE降维与k-means聚类算法,用于分析海量、高维、多元数据的一种方法。首先通过分析和收集安徽省某化工厂化工产品生产工艺过程中监测的多源数据和生产指标,对数据进行预处理分析;然后利用t-SNE降维算法对上千个变量进行降维可视化分析,随后采用k-means聚类算法分析得到对于实现节能减排目标的重要生产指标。结果表明,复合肥的使用量是影响该化工厂节能减排的关键因素。本研究为基于海量多源大数据的化工厂节能减排治理路径分析提供了新思路。

区域分割局部主成分分析及其应用

局部主成分分析计算本征数维需要遍历样本,时间成本较高。文章提出一种改进算法ADLPCA,将样本空间分割为多个区域,通过计算分割区域的主元维数得到本征维数。在UCI数据集和流程工业能耗数据集上的试验表明,ADLPCA在计算效果与LPCA相媲美的情况下,可以显著地降低计算耗时。