基于大数据分析的集中监测智能化研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第10-19页 |
| 1.1 选题背景及研究意义 | 第10-14页 |
| 1.1.1 选题背景 | 第10-12页 |
| 1.1.2 研究的意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状分析 | 第14-15页 |
| 1.2.2 国内研究现状分析 | 第15-16页 |
| 1.3 主要研究内容和论文结构 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 主要研究方法 | 第17页 |
| 1.3.3 论文结构 | 第17-19页 |
| 2 相关理论研究 | 第19-22页 |
| 2.1 大数据分析 | 第19-22页 |
| 2.1.1 大数据分析的定义 | 第19页 |
| 2.1.2 大数据分析与传统分析方法 | 第19-20页 |
| 2.1.3 数据挖掘算法综述 | 第20页 |
| 2.1.4 数据可视化 | 第20-21页 |
| 2.1.5 大数据存储技术 | 第21-22页 |
| 3 信号集中监测系统结构分析 | 第22-28页 |
| 3.1 传统集中监测系统结构分析 | 第22-26页 |
| 3.1.1 传统集中监测系统体系结构 | 第22-23页 |
| 3.1.2 传统集中监测系统网络配置 | 第23-24页 |
| 3.1.3 传统集中监测系统站机结构 | 第24-26页 |
| 3.1.4 传统集中监测系统的不足 | 第26页 |
| 3.2 新版集中监测系统功能结构 | 第26-28页 |
| 4 大数据存储技术及数据安全 | 第28-31页 |
| 4.1 传统集中监测数据存储功能 | 第28页 |
| 4.2 大数据存储功能 | 第28-29页 |
| 4.3 大数据存储技术 | 第29页 |
| 4.4 系统大数据安全 | 第29-31页 |
| 5 基于大数据挖掘的系统功能实现 | 第31-37页 |
| 5.1 集中监测系统功能 | 第31-32页 |
| 5.1.1 模拟量监测 | 第31页 |
| 5.1.2 开关量监测功能 | 第31-32页 |
| 5.2 基于大数据挖掘的集中监测信息提取 | 第32-37页 |
| 5.2.1 数据挖掘概述 | 第32-33页 |
| 5.2.2 时间序列挖掘方法 | 第33-34页 |
| 5.2.3 时间序列挖掘算法 | 第34-37页 |
| 6 系统大数据可视化方法 | 第37-41页 |
| 6.1 数据可视化技术 | 第37页 |
| 6.2 数据可视化图形 | 第37-38页 |
| 6.3 大数据可视化流程 | 第38页 |
| 6.4 集中监测系统大数据可视化实现方法 | 第38-41页 |
| 6.4.1 系统数据可视化实现步骤: | 第39-41页 |
| 7 大数据智能监测平台 | 第41-52页 |
| 7.1 平台研制背景 | 第41页 |
| 7.2 智能监测平台结构 | 第41-42页 |
| 7.3 平台功能 | 第42-52页 |
| 7.3.1 设备综合监测 | 第42-44页 |
| 7.3.2 维修天窗兑现情况 | 第44-45页 |
| 7.3.3 作业评估 | 第45-46页 |
| 7.3.4 设备履历信息 | 第46-47页 |
| 7.3.5 应急辅助 | 第47-49页 |
| 7.3.6 健康管理 | 第49页 |
| 7.3.7 设备问题库 | 第49-50页 |
| 7.3.8 过程管控分析 | 第50-51页 |
| 7.3.9 知识库管理 | 第51-52页 |
| 8 结论与展望 | 第52-54页 |
| 8.1 结论 | 第52-53页 |
| 8.2 展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 作者简历及攻读学位期间取得的科研成果 | 第56-57页 |
| 学位论文数据集 | 第57页 |
