在长距离天然气管道中,以燃气轮机驱动的压缩机组承担着管道增压,保障了天然气长距离运输的作用。有效的燃气轮机实时监控手段可以保证生产安全,预防意外事故。模型是一种有效的监测手段,通过比较测点的模型预测值与实际值可以即时发现异常。由于燃气轮机结构复杂,基于物理方程的机理模型有时难以建立,因此基于机器学习的数据驱动模型成为了一种较好的辅助手段。但数据驱动模型的训练需要大量计算资源,可能会导致系统延迟,实时性降低。本文通过对机器学习和分布式计算的研究解决了上述问题。首先,本文建立了精确的数据驱动模型。基于三种神经网络结构,本文建立了不同的模型,通过参数配置实现各自的性能优化,并分别研究了它们的样本依赖性。其次,通过分布式计算实现了实时在线训练。本文基于一主二从的计算机集群搭建了分布式计算平台,研究了通讯拓扑、参数聚合周期、数据拆分算法对模型训练时间、预测精度与预测稳定性的影响规律,并给出了满足实时性要求的最优算法。最后,建立了一个初步的监测系统。通过搭建后端计算平台和前端界面,实现了前后端的数据与指令交互,并通过一个具体案例验证了平台可用性。最终,本文实现了建立具有较高易用性、实时性和精确性的双轴燃气轮机监测平台的目的。