| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 数据与细颗粒物浓度关系的研究 | 第11-12页 |
| 1.2.2 深度学习的研究 | 第12-13页 |
| 1.2.3 分布式存储系统的研究 | 第13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 1.4 论文内容安排 | 第15-16页 |
| 第二章 相关技术简介 | 第16-26页 |
| 2.1 深度学习网络模型 | 第16-21页 |
| 2.1.1 卷积神经网络结构 | 第16-17页 |
| 2.1.2 Resnet网络模型 | 第17-19页 |
| 2.1.3 RNN和LSTM网络模型 | 第19-21页 |
| 2.2 TensorFlow平台以及TFLearn开发库 | 第21-22页 |
| 2.3 大数据存储平台 | 第22-24页 |
| 2.3.1 Hadoop平台 | 第22-23页 |
| 2.3.2 Mongodb平台 | 第23-24页 |
| 2.4 分布式计算技术 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 监测PM2.5浓度模型选择及云存储平台搭建 | 第26-35页 |
| 3.1 基于图片监测PM2.5浓度的模型 | 第26-31页 |
| 3.1.1 基于群智感知的图像收集 | 第26-27页 |
| 3.1.2 图像预处理 | 第27-29页 |
| 3.1.3 训练集与测试集的选取 | 第29-30页 |
| 3.1.4 模型选择 | 第30-31页 |
| 3.2 基于天气特征监测PM2.5浓度的模型 | 第31-33页 |
| 3.2.1 数据收集 | 第31-32页 |
| 3.2.2 数据预处理 | 第32页 |
| 3.2.3 模型选择 | 第32-33页 |
| 3.3 基于Hadoop平台分布式文件存储系统 | 第33-34页 |
| 3.4 基于Mongdb平台分布式数据库集群 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 系统设计与实现 | 第35-60页 |
| 4.1 系统总体设计 | 第35-36页 |
| 4.2 TensorFlow平台模型实现 | 第36-41页 |
| 4.2.1 图像监测PM2.5浓度模型实现 | 第36-39页 |
| 4.2.2 天气特征监测PM2.5浓度模型实现 | 第39-41页 |
| 4.3 请求转发模块 | 第41-42页 |
| 4.4 业务处理模块开发 | 第42-48页 |
| 4.4.1 Controller层开发 | 第43-44页 |
| 4.4.2 Service层开发 | 第44-47页 |
| 4.4.3 消息消费者模块开发 | 第47-48页 |
| 4.5 监测模型调用模块开发 | 第48-50页 |
| 4.6 天气数据爬取模块开发 | 第50-54页 |
| 4.7 Hadoop平台文件操作模块开发 | 第54-55页 |
| 4.8 读取Mongodb数据库集群客户端模块开发 | 第55页 |
| 4.9 客户端模块 | 第55-59页 |
| 4.9.1 开发环境 | 第55-56页 |
| 4.9.2 Android客户端开发 | 第56-59页 |
| 4.9.3 iOS客户端开发 | 第59页 |
| 4.10 本章小结 | 第59-60页 |
| 第五章 系统测试与性能分析 | 第60-65页 |
| 5.1 功能测试 | 第60-61页 |
| 5.2 PM2.5浓度监测准确率测试 | 第61-62页 |
| 5.2.1 基于图像监测PM2.5浓度准确率测试 | 第61页 |
| 5.2.2 基于天气特征监测PM2.5浓度准确率测试 | 第61-62页 |
| 5.3 系统性能测试 | 第62-64页 |
| 5.3.1 系统压力测试估算原则 | 第62页 |
| 5.3.2 测试工具 | 第62页 |
| 5.3.3 测试结果 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结和展望 | 第65-66页 |
| 6.1 工作总结 | 第65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
