摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景及研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国内研究现状 | 第11-12页 |
1.2.2 国外研究现状 | 第12页 |
1.2.3 国内外研究现状总结 | 第12-13页 |
1.3 主要研究内容 | 第13-14页 |
1.4 本论文章节安排 | 第14-16页 |
第2章 室内空气质量监测物联网系统 | 第16-35页 |
2.1 物联网简介 | 第16-20页 |
2.1.1 物联网的概念 | 第16-17页 |
2.1.2 物联网的架构 | 第17-18页 |
2.1.3 物联网的技术体系 | 第18-20页 |
2.2 系统架构设计 | 第20-21页 |
2.3 系统感知终端设计 | 第21-26页 |
2.3.1 硬件设计 | 第21-24页 |
2.3.2 软件设计 | 第24-26页 |
2.4 系统网络通信设计 | 第26-29页 |
2.4.1 WiFi技术简介 | 第26-27页 |
2.4.2 无线自组网 | 第27-28页 |
2.4.3 通信协议 | 第28-29页 |
2.5 系统数据中心设计 | 第29-34页 |
2.5.1 数据库设计 | 第29-30页 |
2.5.2 监控平台设计 | 第30-31页 |
2.5.3 终端APP设计 | 第31-34页 |
2.6 本章小结 | 第34-35页 |
第3章 室内空气质量监测系统边缘计算研究 | 第35-50页 |
3.1 边缘计算简介 | 第35-40页 |
3.1.1 边缘计算的概念 | 第35-37页 |
3.1.2 边缘计算的特点 | 第37-38页 |
3.1.3 边缘计算的架构 | 第38-40页 |
3.2 系统边缘计算功能需求分析 | 第40页 |
3.3 系统边缘计算环境配置 | 第40-42页 |
3.3.1 边缘网关硬件介绍 | 第41-42页 |
3.3.2 边缘计算操作系统选择 | 第42页 |
3.4 系统边缘计算功能实现 | 第42-49页 |
3.4.1 多设备接入和管理 | 第43-44页 |
3.4.2 数据分析和清洗 | 第44-45页 |
3.4.3 信息决策和规则计算 | 第45-49页 |
3.5 本章小结 | 第49-50页 |
第4章 室内空气质量监测系统ARIMA预测模型研究 | 第50-63页 |
4.1 空气质量预测方法 | 第50-51页 |
4.2 ARIMA预测模型理论概述 | 第51-54页 |
4.2.1 自回归模型(AR) | 第53页 |
4.2.2 移动平均模型(MA) | 第53页 |
4.2.3 差分整合移动平均自回归模型(ARIMA) | 第53-54页 |
4.3 ARIMA预测模型建立步骤 | 第54-58页 |
4.3.1 样本平稳化处理 | 第55页 |
4.3.2 定阶及模型建立 | 第55-57页 |
4.3.3 模型评价和结果预测 | 第57-58页 |
4.3.4 模型检验和预测误差分析 | 第58页 |
4.4 室内空气质量ARIMA模型建立及预测 | 第58-62页 |
4.5 本章小结 | 第62-63页 |
第5章 室内空气质量监测系统功能测试与验证 | 第63-68页 |
5.1 系统物联网功能测试与验证 | 第63-65页 |
5.1.1 感知终端功能测试 | 第63-64页 |
5.1.2 监控平台和移动终端功能测试 | 第64-65页 |
5.2 系统边缘网关功能测试与验证 | 第65-66页 |
5.3 ARIMA预测模型效果测试与验证 | 第66-67页 |
5.4 本章小结 | 第67-68页 |
第6章 总结与展望 | 第68-70页 |
6.1 课题总结 | 第68-69页 |
6.2 课题展望 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
附1: ARIMA核心代码 | 第75-76页 |
附2: 攻读硕士期间科研成果 | 第76页 |