阿里云天池蒸汽大数据分析

案例来源：阿里天池大赛 工业蒸汽量预测_学习赛_赛题与数据_天池大赛-阿里云天池

火力发电的基本原理是：燃料在燃烧时加热水生成蒸汽，蒸汽压力推动汽轮机旋转，然后汽轮机带动发电机旋转，产生电能。在这一系列的能量转化中，影响发电效率的核心是锅炉的燃烧效率，即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很多，包括锅炉的可调参数，如燃烧给量，一二次风，引风，返料风，给水水量；以及锅炉的工况，比如锅炉床温、床压，炉膛温度、压力，过热器的温度等。

现有经脱敏后的锅炉传感器采集的数据（采集频率是分钟级别），根据锅炉的工况，预测产生的蒸汽量。

数据说明

案例提供两个数据集，一个用于训练模型（zhengqi_train.txt），包含V0~V37共38个特征字段，表示锅炉的物理参数，以及target字段，表示产生的蒸汽量；另一个用于测试模型（zhengqi_test.txt），包含V0~V37共38个特征字段，但没有target字段。我们的目的是采用适当的方法，预测测试数据集各行的target值。

思考：如何完成?

• 各特征变量表示什么?
• 应当使用所有的特征变量吗? 是不是数据越多越好?
• 可以使用哪些预测模型?
• 如何选择模型?

  library(tidyverse)
  library(psych)
  library(cowplot)
  
  zhengqi_train_raw <- read_csv("E:/lecture/运营大数据分析/zhengqi_train.csv")
  zhengqi_train <- zhengqi_train_raw
  
  zhengqi_test_raw <- read_csv("E:/lecture/运营大数据分析/zhengqi_test.csv")
  zhengqi_test <- zhengqi_test_raw

使用年份、月份、日期出发日期列格式化数据框。dep_time、arr_time实际出发和到达时间（格式为HHMM或HMM），本地时区。sched_dep_time、sched_arr_time计划出发和到达时间（格式为HHMM或HMM），本地时区。dep_delay、arr_delay出发和到达延误时间，单位为分钟。负数表示提前出发/到达。carrier两个字母的航空公司缩写。查看航空公司以获取名称。flight航班号。tailnum飞机尾部编号。参见planes以获取其他元数据。origin、dest起点和目的地。参见airports以获取其他元数据。air_time在空中的时间，以分钟为单位。距离机场之间的距离，以英里为单位。hour、minute计划起飞时间分解为小时和分钟。time_hour计划起飞日期和时间作为POSIXct日期。与起点一起，可用于将航班数据连接到天气数据。

column name	comment
year, month, day	航班的年、月、日
dep_time	departure time，起飞时刻。格式为：小时+分钟，例如517表示5:17。
sched_dep_time	scheduled departure time，计划起飞时刻
dep_delay	departure delay，起飞延误时长，等于dep_time-sched_dep_time
arr_time, sched_arr_time, arr_delay	抵达时间（实际值、计划值、延误值）
hour, minute	计划起飞时刻，与sched_dep_time的值一致
time_hour	计划起飞时刻（只有日期和小时，POSIXct标准时间格式）
air_time	飞行时长（单位：分钟）
carrier	航空公司（简称）
tailnum	飞机的ID（tail number）
flight	航班编号
origin, dest	出发地和目的地（简称）
distance	航线长度（单位：mile）