火力发电是一种很常用的发电技术，但是火力发电的转换效率并不高。其中蒸汽压力的高低直接关系到火力发电的效率，火力发电的效率与蒸汽的压力之间的关系并不是正相关关系。
火力发电过程要尽量使水处在蒸发的临界状态，这时火力发电的效率最高。因此，火力发电厂需要及时掌握火力发电过程中产生的蒸汽量，这样才可以尽可能地选择合适的燃烧给量、一二次风、引风，及时调整锅炉的床温、床压和炉膛温度等参数，使蒸汽量处于临界状态。
本案例使用经脱敏后的锅炉传感器采集的数据（采集频率是分钟），根据锅炉的工况，预测产生蒸汽量的模型，从而能够为实际的发电生产提供参考，提高火力发电的转换效率。
1. 数据概况
本案例中搜集了一个表，表中各列从左至右代表着锅炉的可调参数以及锅炉的工况等数据，其中有些属性对预测蒸汽量不产生影响，还有一些噪声以及不够规范的数据，因此需要进行数据预处理以获得高质量的数据。数据例（基础信息表）
数据表样例（基础信息表）
2.数据准备与预处理
先对初试数据做预处理，采用PySpark组件上已编写的代码实现，包含如下的工作：
1.处理缺失值
首先检查数据中的缺失值是否存在以及数量是否较多，再选择合适的缺失值处理方法。在数据预处理过程中，数据被存储在DataFrame对象中，使用Pandas的dropna()方法来对缺失数据进行处理。示例代码如左下所示，处理完毕后的部分数据如右下所示。
2.处理重复值
&nbs