| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状及综述 | 第11-14页 |
| 1.2.1 大数据研究及应用概述 | 第11-12页 |
| 1.2.2 国外大数据在生态环境领域研究及应用 | 第12-13页 |
| 1.2.3 国内生态环境领域研究及应用 | 第13-14页 |
| 1.3 课题研究内容及本人主要工作 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 基于MapReduce的生态环境指标体系属性约简模型研究 | 第15-22页 |
| 2.1 粗糙集基本理论 | 第15-16页 |
| 2.2 基于信息熵改进的属性约简 | 第16-18页 |
| 2.3 MapReduce框架下基于信息熵改进的属性约简 | 第18-20页 |
| 2.4 属性约简实验结果分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于大数据的京津冀区域生态环境现状分析 | 第22-35页 |
| 3.1 生态环境大数据的获取 | 第22-24页 |
| 3.1.1 生态环境大数据特点 | 第22-23页 |
| 3.1.2 生态环境大数据获取 | 第23-24页 |
| 3.2 生态环境现状分析 | 第24-34页 |
| 3.2.1 大气环境分析 | 第24-28页 |
| 3.2.2 水资源供应与水坏境污染 | 第28-32页 |
| 3.2.3 土壤环境分析 | 第32-33页 |
| 3.2.4 森林和湿地 | 第33-34页 |
| 3.2.5 城市绿化 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于大数据的生态环境预测模型研究 | 第35-49页 |
| 4.1 基于灰色预测法的大气环境长短期预测研究 | 第35-38页 |
| 4.1.1 模型概述 | 第35页 |
| 4.1.2 模型原理 | 第35页 |
| 4.1.3 算例分析 | 第35-38页 |
| 4.2 基于支持向量机的水资源需求预测研究 | 第38-42页 |
| 4.2.1 模型概述 | 第39页 |
| 4.2.2 建模原理 | 第39-41页 |
| 4.2.3 算例分析 | 第41-42页 |
| 4.3 基于BP神经网络的森林资源预测研究 | 第42-47页 |
| 4.3.1 模型概述 | 第43页 |
| 4.3.2 建模原理 | 第43-45页 |
| 4.3.3 算例分析 | 第45-47页 |
| 4.4 京津冀区域生态环境一体化发展决策建议 | 第47-48页 |
| 4.4.1 设计区域统一的生态环境系统架构 | 第47页 |
| 4.4.2 搭建区域统一的生态环境监管平台 | 第47-48页 |
| 4.4.3 切实尊重生态环境承载力 | 第48页 |
| 4.4.4 发展新技术实现产业升级和绿色发展 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于Hadoop的生态环境一体化平台的开发与实现 | 第49-62页 |
| 5.1 Hadoop平台架构 | 第49-50页 |
| 5.2 生态环境一体化总体框架设计 | 第50-52页 |
| 5.2.1 数据层 | 第51-52页 |
| 5.2.2 平台层 | 第52页 |
| 5.2.3 应用层 | 第52页 |
| 5.2.4 用户层 | 第52页 |
| 5.3 生态环境一体化在3EDSS平台的开发实现 | 第52-61页 |
| 5.3.1 3EDSS平台概述 | 第53-54页 |
| 5.3.2 生态环境一体化在3EDSS平台的功能实现 | 第54-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 结论 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-68页 |
| 致谢 | 第68页 |
