基于大数据技术的电力物资需求分析系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 物资需求预测的研究现状 | 第10页 |
| 1.2.2 国内外大数据技术的研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11页 |
| 1.4 文章组织结构和章节安排 | 第11-13页 |
| 第二章 相关理论和技术的研究 | 第13-24页 |
| 2.1 分布式处理框架Hadoop | 第13-14页 |
| 2.2 HDFS系统 | 第14-15页 |
| 2.2.1 HDFS的体系结构 | 第14-15页 |
| 2.3 MapReduce计算模型 | 第15-18页 |
| 2.3.1 MapReduce的框架结构 | 第16页 |
| 2.3.2 MapReduce的执行流程 | 第16-18页 |
| 2.4 Hive简介 | 第18-21页 |
| 2.5 Sqoop简介 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 电力物资需求分析系统的设计 | 第24-39页 |
| 3.1 系统需求分析 | 第24-28页 |
| 3.1.1 功能需求分析 | 第24-27页 |
| 3.1.2 非功能需求分析 | 第27-28页 |
| 3.2 系统架构设计 | 第28-38页 |
| 3.2.1 数据采集(迁移)层设计 | 第29-30页 |
| 3.2.2 数据存储层设计 | 第30-32页 |
| 3.2.3 数据分析层设计 | 第32-36页 |
| 3.2.4 任务调度层设计 | 第36-38页 |
| 3.2.5 应用层设计 | 第38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 电力物资需求分析系统的实现 | 第39-53页 |
| 4.1 数据采集(迁移)层的实现 | 第39-41页 |
| 4.2 数据存储层的实现 | 第41-44页 |
| 4.2.1 HDFS文件接口 | 第41-42页 |
| 4.2.2 Hive操作接口 | 第42-44页 |
| 4.3 数据分析层的实现 | 第44-49页 |
| 4.3.1 数据预处理的实现 | 第44-48页 |
| 4.3.2 数据分析与预测的实现 | 第48-49页 |
| 4.4 任务调度层的实现 | 第49-51页 |
| 4.5 应用层的实现 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 物资预测算法设计与实现 | 第53-64页 |
| 5.1 数据分析与模型选取 | 第53页 |
| 5.2 预测算法原理 | 第53-57页 |
| 5.2.1 ARIMA时间序列预测法 | 第53-55页 |
| 5.2.2 BP神经网络模型 | 第55-56页 |
| 5.2.3 BP误差修正的ARIMA模型 | 第56-57页 |
| 5.3 物资预测算法的实现 | 第57-61页 |
| 5.3.1 线性部分的预测 | 第57-59页 |
| 5.3.2 非线性部分的预测 | 第59-61页 |
| 5.3.3 误差修正 | 第61页 |
| 5.4 结果分析 | 第61-63页 |
| 5.5 本章小节 | 第63-64页 |
| 第六章 电力物资需求分析系统的测试 | 第64-70页 |
| 6.1 实验环境 | 第64-65页 |
| 6.2 系统测试 | 第65-69页 |
| 6.2.1 登录模块 | 第66页 |
| 6.2.2 数据查询模块 | 第66-68页 |
| 6.2.3 数据预测模块 | 第68页 |
| 6.2.4 调度监控模块 | 第68-69页 |
| 6.3 本章小结 | 第69-70页 |
| 结束语 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 发表文章 | 第73-74页 |
| 致谢 | 第74页 |
