| 致谢 | 第4-7页 |
| 摘要 | 第7-8页 |
| 1 文献综述 | 第8-17页 |
| 1.1 小麦干热风研究 | 第8-11页 |
| 1.1.1 小麦干热风研究现状 | 第8-10页 |
| 1.1.2 小麦干热风灾害预测研究现状 | 第10-11页 |
| 1.2 数据分类技术研究 | 第11-14页 |
| 1.2.1 主流分类算法介绍 | 第12-14页 |
| 1.2.2 分类算法在农业的研究现状 | 第14页 |
| 1.3 分布式计算研究 | 第14-17页 |
| 1.3.1 分布式计算发展趋势 | 第14-15页 |
| 1.3.2 Spark在农业应用的研究现状 | 第15-17页 |
| 2 引言 | 第17-19页 |
| 2.1 背景与意义 | 第17页 |
| 2.2 技术路线 | 第17-19页 |
| 3 小麦干热风灾害预测模型构建 | 第19-28页 |
| 3.1 材料概述及分析 | 第19页 |
| 3.2 数据处理 | 第19-22页 |
| 3.2.1 数据预处理 | 第19-20页 |
| 3.2.2 数据标注 | 第20-21页 |
| 3.2.3 主成分分析 | 第21页 |
| 3.2.4 数据归一化 | 第21-22页 |
| 3.3 小麦干热风灾害预测模型 | 第22-26页 |
| 3.3.1 基于BP神经网络的小麦干热风灾害预测模型 | 第22-24页 |
| 3.3.2 基于支持向量机(SVM)的小麦干热风灾害预测模型 | 第24-25页 |
| 3.3.3 基于BP神经网络与支持向量机(SVM)的组合模型设计 | 第25-26页 |
| 3.4 实验结果与分析 | 第26-28页 |
| 3.4.1 实验结果 | 第26页 |
| 3.4.2 结果分析 | 第26-28页 |
| 4 分布式环境下预测模型设计 | 第28-37页 |
| 4.1 分布式环境下算法设计 | 第28-31页 |
| 4.1.1 基于Spark的并行BP神经网络算法设计 | 第28-29页 |
| 4.1.2 基于Spark的并行支持向量机(SVM)算法设计 | 第29-31页 |
| 4.2 分布式环境下模型设计 | 第31-34页 |
| 4.2.1 基于并行BP神经网络的小麦干热风灾害预测模型设计 | 第32页 |
| 4.2.2 基于并行支持向量机的小麦干热风灾害预测模型设计 | 第32-33页 |
| 4.2.3 基于Spark的并行BP加SVM组合模型设计 | 第33-34页 |
| 4.3 实验环境搭建 | 第34-35页 |
| 4.3.1 开发环境与软件包 | 第34页 |
| 4.3.2 集群拓扑机构 | 第34-35页 |
| 4.4 实验结果与分析 | 第35-37页 |
| 4.4.1 实验结果 | 第35页 |
| 4.4.2 结果分析 | 第35-37页 |
| 5 原型系统设计与实现 | 第37-41页 |
| 5.1 系统体系结构 | 第37页 |
| 5.2 系统拓扑结构 | 第37-38页 |
| 5.3 系统设计与实现 | 第38-41页 |
| 5.2.1 数据采集子系统设计与实现 | 第38-39页 |
| 5.2.2 分布式模型计算子系统设计与实现 | 第39页 |
| 5.2.3 预测服务子系统设计与实现 | 第39-41页 |
| 6 结论与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| ABSTRACT | 第46-47页 |
