云环境下预警系统的核问题研究
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 2 相关技术介绍 | 第14-25页 |
| 2.1 云计算概述 | 第14-18页 |
| 2.1.1 云计算概念及发展 | 第14页 |
| 2.1.2 云计算的分类 | 第14-16页 |
| 2.1.3 云计算的优势 | 第16-17页 |
| 2.1.4 云计算与OpenStack | 第17-18页 |
| 2.2 数据分布式处理技术 | 第18-20页 |
| 2.2.1 云计算环境下的分布式存储 | 第18-20页 |
| 2.2.2 现有云存储系统 | 第20页 |
| 2.3 云计算环境下的分布式并行计算 | 第20-21页 |
| 2.4 神经网络算法 | 第21-25页 |
| 2.4.1 神经网络发展历史 | 第21-22页 |
| 2.4.2 BP神经网络模型 | 第22-23页 |
| 2.4.3 BP算法原理 | 第23-25页 |
| 3 预警系统存储和计算的云环境设计 | 第25-32页 |
| 3.1 云平台框架 | 第25-27页 |
| 3.2 MapReduce的海量数据处理 | 第27-32页 |
| 3.2.1 MapReduce任务调度过程 | 第27-28页 |
| 3.2.2 MapReduce数据传输优化 | 第28-32页 |
| 4 预警系统BP神经网络并行分布模型的设计 | 第32-41页 |
| 4.1 传统BP神经网络算法 | 第32-34页 |
| 4.1.1 BP神经网络主要缺陷 | 第33-34页 |
| 4.1.2 BP神经网络性能及其改进 | 第34页 |
| 4.2 BP神经网络的分布式预警模型 | 第34-39页 |
| 4.2.1 数据模型设定 | 第34-36页 |
| 4.2.2 BP神经网络的分布式实现 | 第36-39页 |
| 4.3 预警结果分析 | 第39-41页 |
| 5 预警系统的实现 | 第41-47页 |
| 5.1 煤矿预警系统的结构 | 第41-42页 |
| 5.2 煤矿预警系统的核心应用 | 第42-43页 |
| 5.3 煤矿预警系统的功能模块 | 第43-47页 |
| 6 总结与展望 | 第47-48页 |
| 7 参考文献 | 第48-50页 |
| 8 攻读硕士学位期间发表的论文 | 第50-51页 |
| 致谢 | 第51页 |
