| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文的背景和意义 | 第9-10页 |
| 1.1.1 需求的背景 | 第9页 |
| 1.1.2 分布式流式计算系统背景 | 第9-10页 |
| 1.1.3 电网系统故障诊断模型的背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 串行算法研究 | 第11页 |
| 1.2.2 算法并行化的研究 | 第11-12页 |
| 1.3 论文的主要内容 | 第12页 |
| 1.4 本论文的结构安排 | 第12-14页 |
| 第2章 Spark框架和PMML预测模型 | 第14-23页 |
| 2.1 Spark的框架结构 | 第14-20页 |
| 2.1.1 Spark体系结构 | 第14-15页 |
| 2.1.2 Spark与Map Reduce相比优点 | 第15页 |
| 2.1.3 spark生态系统 | 第15-16页 |
| 2.1.4 Spark计算模型 | 第16-17页 |
| 2.1.5 Spark应用开发 | 第17-20页 |
| 2.2 PMML模型预测语言传递模型 | 第20-23页 |
| 2.2.1 PMML概述 | 第20-21页 |
| 2.2.2 PMML在Spark和Storm中应用 | 第21-23页 |
| 第3章 基于Spark的随机森林和三比值相结合变压器故障诊断模型研究 | 第23-32页 |
| 3.1 电力系统变压器故障诊断背景和发展现状 | 第23-24页 |
| 3.2 算法原理 | 第24-27页 |
| 3.2.1 绝缘油产气原理 | 第24-25页 |
| 3.2.2 随机森林原理 | 第25-27页 |
| 3.3 随机森林并行化实现 | 第27-28页 |
| 3.3.1 随机森林并行性分析 | 第27页 |
| 3.3.2 随机森林并行设计 | 第27-28页 |
| 3.4 基于Spark的三比值和随机森林结合的并行变压器故障诊断 | 第28-29页 |
| 3.4.1 DGA数据分类并行性分析 | 第28页 |
| 3.4.2 DGA数据并行性设计 | 第28-29页 |
| 3.5 验证实验 | 第29-32页 |
| 3.5.1 标准数据集准确率测试 | 第29-30页 |
| 3.5.2 对变压器DGA数据的分类效果 | 第30-31页 |
| 3.5.3 相比于Hadoop运算速度的测试 | 第31-32页 |
| 第4章 基于Spark的Xgboost算法的原理及其在电力系统故障诊断中的应用 | 第32-40页 |
| 4.1 Xgboost算法原理 | 第32-35页 |
| 4.1.1 机器学习的目标函数 | 第32-34页 |
| 4.1.2 树的公式化 | 第34-35页 |
| 4.1.3 分裂结点的选择 | 第35页 |
| 4.2 Xgboost的参数 | 第35-37页 |
| 4.2.1 Booster典型参数 | 第36页 |
| 4.2.2 通用参数： | 第36页 |
| 4.2.3 学习目标参数： | 第36-37页 |
| 4.3 Xgboost算法优势 | 第37页 |
| 4.4 基于Spark在电力系统故障分类模型中的应用 | 第37-40页 |
| 4.4.1 电力系统故障数据比值化 | 第37页 |
| 4.4.2 算法步骤 | 第37-38页 |
| 4.4.3 验证实验 | 第38-40页 |
| 第5章 总结与展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第43-44页 |
| 攻读硕士学位期间参加的科研工作 | 第44-45页 |
| 致谢 | 第45页 |
