| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 智慧城市 | 第10-11页 |
| 1.2.2 基站网络流量 | 第11-13页 |
| 1.3 本论文的研究内容和主要成果 | 第13-14页 |
| 1.4 本论文的组织结构 | 第14-16页 |
| 第二章 相关背景知识介绍 | 第16-26页 |
| 2.1 算法基础理论 | 第16-21页 |
| 2.1.1 自回归综合滑动平均 | 第16-17页 |
| 2.1.2 支持向量回归 | 第17-18页 |
| 2.1.3 决策树算法 | 第18-20页 |
| 2.1.4 神经网络 | 第20页 |
| 2.1.5 时间序列分解 | 第20-21页 |
| 2.2 Spark大数据处理平台 | 第21-25页 |
| 2.2.1 Spark运行架构 | 第22页 |
| 2.2.2 Spark生态圈及组件 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于触觉互联网的智慧城市体系结构 | 第26-37页 |
| 3.1 触觉互联网 | 第26-27页 |
| 3.2 基于触觉互联网的智慧城市的体系结构 | 第27-35页 |
| 3.2.1 触觉信号的分析 | 第27-28页 |
| 3.2.2 体系结构 | 第28-33页 |
| 3.2.3 智慧城市的QoE管理 | 第33-35页 |
| 3.3 基于触觉互联网的智慧城市发展所面临的挑战 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于STL-LSTM的智慧城市基站网络流量预测算法 | 第37-49页 |
| 4.1 智慧城市基站网络流量的数据预处理 | 第37-39页 |
| 4.1.1 智慧城市基站网络数据集介绍 | 第37-38页 |
| 4.1.2 基站数据预处理 | 第38-39页 |
| 4.2 智慧城市基站网络流量的特征工程 | 第39-42页 |
| 4.2.1 时间特性分析 | 第39-41页 |
| 4.2.2 特征工程 | 第41-42页 |
| 4.3 基于STL-LSTM的智慧城市基站网络流量预测算法 | 第42-47页 |
| 4.3.1 STL-LSTM算法 | 第42-45页 |
| 4.3.2 实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基站流量预测系统设计与实现 | 第49-60页 |
| 5.1 基站流量预测系统需求分析 | 第49-52页 |
| 5.1.1 前端显示界面的需求分析 | 第49-50页 |
| 5.1.2 G后台处理逻辑的需求分析 | 第50-52页 |
| 5.2 基站流量预测系统设计 | 第52-54页 |
| 5.2.1 系统框架设计 | 第53-54页 |
| 5.3 基站流量预测系统实现 | 第54-59页 |
| 5.3.1 系统登录模块 | 第54-55页 |
| 5.3.2 系统管理模块 | 第55页 |
| 5.3.3 集群管理与维护模块 | 第55-56页 |
| 5.3.4 流量预测模块 | 第56-59页 |
| 5.3.5 系统故障反馈模块 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第66-67页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |