| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景、目的及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的 | 第12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 模型数据融合方法 | 第13-15页 |
| 1.2.2 分布式计算与存储 | 第15-17页 |
| 1.2.3 分布式技术在模型数据融合中的应用 | 第17-18页 |
| 1.3 本文结构 | 第18-20页 |
| 第二章 模型数据融合方法与大数据技术平台概述 | 第20-30页 |
| 2.1 模型数据融合技术的理论基础 | 第20-22页 |
| 2.1.1 贝叶斯理论 | 第20-21页 |
| 2.1.2 马尔科夫链蒙特卡洛抽样(MCMC) | 第21-22页 |
| 2.2 分布式技术的理论基础 | 第22-24页 |
| 2.2.1 分布式计算技术 | 第22-23页 |
| 2.2.2 分布式存储技术 | 第23-24页 |
| 2.3 Spark分布式计算平台 | 第24-29页 |
| 2.3.1 Spark分布式计算平台简介 | 第24-25页 |
| 2.3.2 Spark平台核心数据结构 | 第25-27页 |
| 2.3.3 Spark底层工作原理 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 碳循环模型数据融合方法研究 | 第30-45页 |
| 3.1 碳循环模型参数优化方法研究 | 第30-39页 |
| 3.1.1 Metropolis-Hastings参数优化方法 | 第30-31页 |
| 3.1.2 自适应Metropolis参数优化方法 | 第31-34页 |
| 3.1.3 Metropolis模拟退火参数优化方法 | 第34-36页 |
| 3.1.4 非U型回转(No-U-Turn-Sample,NUTS)参数优化方法 | 第36-39页 |
| 3.2 碳循环模型数据融合方法分析 | 第39-44页 |
| 3.2.1 研究区域与数据 | 第39页 |
| 3.2.2 研究模型 | 第39-40页 |
| 3.2.3 基于NUTS方法的碳循环模型参数优化实现 | 第40页 |
| 3.2.4 实验结果与分析 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于Spark的大尺度碳循环模型数据融合方法研究 | 第45-57页 |
| 4.1 大尺度碳循环模型数据融合平台构建与配置参数优化 | 第45-48页 |
| 4.1.1 大尺度碳循环模型数据融合平台构建 | 第45页 |
| 4.1.2 大尺度碳循环模型数据融合平台配置参数优化 | 第45-48页 |
| 4.2 大尺度碳循环模型数据融合方法的关键技术 | 第48-51页 |
| 4.2.1 数据存储技术 | 第48-49页 |
| 4.2.2 分布式计算技术 | 第49-51页 |
| 4.3 大尺度碳循环模型数据融合方法的设计与实现 | 第51-56页 |
| 4.3.1 大尺度碳循环模型数据融合方法设计 | 第51-53页 |
| 4.3.2 大尺度碳循环模型数据融合方法实现 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 大尺度碳循环模型数据融合方法应用研究 | 第57-66页 |
| 5.1 Spark平台参数优化 | 第57-61页 |
| 5.1.1 研究区域和数据 | 第57-58页 |
| 5.1.2 研究模型 | 第58页 |
| 5.1.3 Spark平台参数优化实验 | 第58-61页 |
| 5.2 碳循环模型数据融合方法实例分析 | 第61-65页 |
| 5.2.1 站点尺度碳循环模型数据融合分析 | 第61-62页 |
| 5.2.2 区域尺度碳循环模型数据融合分析 | 第62-64页 |
| 5.2.3 方法效率分析 | 第64-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |
