摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-13页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 论文解决的主要问题和主要工作 | 第11页 |
1.4 论文组织结构 | 第11-13页 |
第2章 分布式存储与计算平台相关介绍 | 第13-22页 |
2.1 Hadoop | 第13-14页 |
2.1.1 Hadoop背景及发展 | 第13页 |
2.1.2 Apache Hadoop版本的发展 | 第13-14页 |
2.2 分布式存储 | 第14-17页 |
2.3 分布式计算 | 第17-19页 |
2.4 平台监控工具Ganglia | 第19-20页 |
2.4.1 Ganglia介绍 | 第19页 |
2.4.2 Ganglia工作原理 | 第19-20页 |
2.5 数据抽取工具Sqoop | 第20-21页 |
2.6 本章小结 | 第21-22页 |
第3章 分布式存储与计算平台设计 | 第22-41页 |
3.1 分布式存储与计算平台简介 | 第22页 |
3.2 分布式存储与计算平台技术架构 | 第22-24页 |
3.3 分布式存储与计算平台物理部署 | 第24-25页 |
3.4 分布式存储与计算平台管理模块 | 第25-35页 |
3.4.1 分布式存储与计算平台管理模块技术架构 | 第25-27页 |
3.4.2 持久层设计 | 第27-31页 |
3.4.3 业务逻辑层设计 | 第31-34页 |
3.4.4 控制层设计 | 第34-35页 |
3.4.5 界面展示层 | 第35页 |
3.5 分布式存储与计算平台功能及主要界面展示 | 第35-40页 |
3.5.1 分布式存储 | 第36-37页 |
3.5.2 数据抽取 | 第37-38页 |
3.5.3 数据库管理 | 第38-39页 |
3.5.4 辅助功能 | 第39-40页 |
3.6 本章小结 | 第40-41页 |
第4章 基于分布式存储与计算平台的用电量预测 | 第41-50页 |
4.1 智能电网环境下的用电量预测问题分析及本文所用方法 | 第41-42页 |
4.1.1 传统电网与智能电网 | 第41页 |
4.1.2 用电量预测问题 | 第41-42页 |
4.2 基于无模型自适应迭代学习控制的年、月用电量预测 | 第42-44页 |
4.2.1 数据集构成 | 第42页 |
4.2.2 分析预测流程 | 第42-43页 |
4.2.3 实验结果 | 第43-44页 |
4.3 基于MapReduce的遗传算法优化MBNN短期用电量预测模型 | 第44-49页 |
4.3.1 基于MapReduce反向传播神经网络并行算法 | 第45-46页 |
4.3.2 基于MapReduce的遗传算法优化算法 | 第46-47页 |
4.3.3 数据集构成 | 第47-48页 |
4.3.4 对比实验 | 第48-49页 |
4.5 本章小结 | 第49-50页 |
第5章 用电量预测系统设计与实现 | 第50-54页 |
5.1 系统设计 | 第50-52页 |
5.1.1 系统功能设计 | 第50-51页 |
5.1.2 系统架构设计 | 第51-52页 |
5.2 系统核心界面展示 | 第52-53页 |
5.3 系统应用 | 第53页 |
5.4 本章小结 | 第53-54页 |
第6章 结论与展望 | 第54-56页 |
6.1 本文主要工作 | 第54页 |
6.2 未来的工作展望 | 第54-56页 |
参考文献 | 第56-59页 |
攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
致谢 | 第60页 |