| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 空气质量预测研究现状 | 第16-17页 |
| 1.2.2 云计算技术研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本文章节安排 | 第19-20页 |
| 第二章 相关技术介绍和研究工作 | 第20-31页 |
| 2.1 Hadoop云计算平台概述 | 第20-21页 |
| 2.2 Hadoop分布式文件系统—HDFS | 第21-24页 |
| 2.2.1 HDFS的实现框架 | 第21-23页 |
| 2.2.2 HDFS文件的写入 | 第23-24页 |
| 2.2.3 HDFS文件的读取 | 第24页 |
| 2.3 Hadoop分布式计算框架—MapReduce | 第24-27页 |
| 2.3.1 MapReduce的作业运行机制 | 第25-26页 |
| 2.3.2 MapReduce的运行过程 | 第26-27页 |
| 2.4 空气质量预测方法的选择 | 第27-28页 |
| 2.5 空气质量指数评价模型 | 第28-30页 |
| 2.5.1 空气质量指数AQI | 第28-29页 |
| 2.5.2 空气质量指数的计算 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于Hadoop的空气质量预测框架 | 第31-40页 |
| 3.1 大数据处理技术 | 第31页 |
| 3.2 大数据处理框架及流程 | 第31-34页 |
| 3.2.1 基于云计算平台的大数据处理框架 | 第31-32页 |
| 3.2.2 基于云计算平台的大数据处理流程 | 第32-34页 |
| 3.3 基于Hadoop的空气质量预测框架及流程 | 第34-35页 |
| 3.3.1 空气质量预测框架 | 第34-35页 |
| 3.3.2 空气质量预测流程 | 第35页 |
| 3.4 Hadoop平台搭建与部署 | 第35-38页 |
| 3.4.1 Hadoop集群的软硬件环境 | 第35-36页 |
| 3.4.2 Hadoop集群的搭建步骤 | 第36-38页 |
| 3.4.3 Eclipse开发环境搭建 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 空气监测及气象数据的获取与处理 | 第40-48页 |
| 4.1 空气监测及气象数据的获取 | 第40-43页 |
| 4.1.1 网络爬虫技术概述 | 第40页 |
| 4.1.2 网络爬虫系统原理 | 第40-41页 |
| 4.1.3 数据抓取具体实现 | 第41-43页 |
| 4.2 空气监测及气象数据的描述 | 第43-44页 |
| 4.3 空气监测及气象数据的预处理 | 第44-46页 |
| 4.3.1 缺失数据处理 | 第44页 |
| 4.3.2 数值化处理 | 第44-45页 |
| 4.3.3 归一化处理 | 第45-46页 |
| 4.4 空气监测及气象数据的导入导出 | 第46-47页 |
| 4.4.1 数据导入导出环境准备 | 第46页 |
| 4.4.2 数据导入导出方法 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于Hadoop的空气质量预测方法的设计与实现 | 第48-66页 |
| 5.1 基于MapReduce的空气质量预测思想 | 第48-50页 |
| 5.1.1 BP神经网络并行化思想 | 第48-49页 |
| 5.1.2 MapReduce框架下的BP神经网络并行化思想 | 第49-50页 |
| 5.2 基于MR-BP的空气质量预测模型设计 | 第50-53页 |
| 5.2.1 空气质量预测模型的网络结构 | 第50页 |
| 5.2.2 网络各层神经元个数的个数的确定 | 第50-51页 |
| 5.2.3 网络激活函数以初始参数的选取 | 第51-53页 |
| 5.3 基于MR-BP的空气质量预测算法实现 | 第53-63页 |
| 5.3.1 基于MR-BP的空气质量预测算法总体流程 | 第53-57页 |
| 5.3.2 map函数中BP神经网络算法的流程 | 第57-60页 |
| 5.3.3 BP神经网络算法的改进方法 | 第60-63页 |
| 5.4 空气质量预测结果与分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 1.总结 | 第66-67页 |
| 2.展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间科研成果 | 第72-74页 |
| 致谢 | 第74页 |
