摘要 | 第1-4页 |
ABSTRACT | 第4-12页 |
1 绪论 | 第12-28页 |
·选题背景及研究意义 | 第12-14页 |
·选题背景 | 第12-13页 |
·研究意义 | 第13-14页 |
·国内外相关领域研究综述 | 第14-23页 |
·煤矿应急管理信息化研究及应用现状 | 第14-15页 |
·云计算发展研究及应用现状 | 第15-19页 |
·云计算环境下的煤矿应急信息资源管理研究 | 第19-22页 |
·问题综述 | 第22-23页 |
·论文研究内容与技术路线 | 第23-28页 |
·主要研究内容 | 第23-25页 |
·研究目标 | 第25页 |
·拟采取的研究思路与技术路线 | 第25-28页 |
2 云计算环境下的煤矿应急管理研究 | 第28-46页 |
·煤矿安全事故及复杂系统特征 | 第28-29页 |
·煤矿安全事故 | 第28页 |
·煤矿安全事故的复杂系统特征分析 | 第28-29页 |
·基于“情景-应对-权变”的煤矿应急管理模式研究 | 第29-34页 |
·煤矿应急管理研究 | 第29-31页 |
·“情景-应对”管理范式与权变理论 | 第31-33页 |
·煤矿应急管理模式研究 | 第33-34页 |
·云计算环境下的煤矿应急管理新模式 | 第34-42页 |
·云计算在煤矿应急管理中的可行性 | 第34-35页 |
·基于SOA的煤矿应急云的定义 | 第35-36页 |
·基于SOA的煤矿应急云的总体结构 | 第36-37页 |
·基于SOA的煤矿应急云体系构建 | 第37-40页 |
·煤矿应急云的服务内容 | 第40页 |
·基于―情景-应对-权变模式的煤矿应急云的运作机制 | 第40-42页 |
·煤矿应急信息资源云构建及云服务研究 | 第42-45页 |
·煤矿应急信息资源云的定义 | 第42页 |
·煤矿应急信息资源云的组成 | 第42-44页 |
·煤矿应急信息资源云服务的定义 | 第44-45页 |
·小结 | 第45-46页 |
3 基于排队模型的煤矿应急云动态反馈作业调度算法研究 | 第46-75页 |
·分布式与并行计算 | 第46-49页 |
·分布式与并行计算 | 第46-47页 |
·MPI 消息传递接口 | 第47页 |
·MapReduce 计算模型 | 第47-49页 |
·Hadoop 云计算调度算法研究 | 第49-53页 |
·FIFO 调度算法 | 第49-50页 |
·FAIR 调度算法 | 第50-51页 |
·Capacity 调度算法 | 第51-52页 |
·异构集群的调度算法 LATE | 第52-53页 |
·基于 M/M/S/∞ 排队模型的煤矿应急云作业调度模型研究 | 第53-57页 |
·产生背景与问题 | 第53-54页 |
·煤矿应急云作业调度模型研究 | 第54-55页 |
·CECloud-MMS模型的简化推导 | 第55-57页 |
·煤矿应急云CECloud-MMS Scheduler算法理论推导 | 第57-60页 |
·煤矿应急云作业调度算法CECloud-MMS Scheduler参数分析 | 第57-58页 |
·计算实例验证 | 第58-60页 |
·煤矿应急云CECloud-MMS Scheduler算法总体设计 | 第60-64页 |
·整体算法设计 | 第60-62页 |
·单队列多资源池设计 | 第62-63页 |
·反馈机制设计 | 第63-64页 |
·基于LATE的备份任务计算 | 第64页 |
·煤矿应急云CECloud-MMS Scheduler接口设计 | 第64-69页 |
·CECloud-MMSScheduler配置管理设计 | 第64-65页 |
·队列管理器设计 | 第65-66页 |
·核心调度设计 | 第66-67页 |
·反馈机制设计 | 第67-68页 |
·配置与部署设计 | 第68-69页 |
·算法验证与分析 | 第69-73页 |
·实验环境 | 第69-70页 |
·算法性能评价标准 | 第70页 |
·平均逗留时间验证 | 第70-72页 |
·平均队长对比验证 | 第72-73页 |
·小结 | 第73-75页 |
4 煤矿应急云存储低代价副本布局技术研究 | 第75-91页 |
·云计算环境下的煤矿应急管理数据存储方式 | 第75-77页 |
·传统的煤矿应急应急管理数据存储方式 | 第75-76页 |
·云计算环境下煤矿应急管理信息系统应用体系 | 第76-77页 |
·煤矿应急云存储副本布局技术 | 第77-82页 |
·云计算环境下的分布式存储及系统容错机制 | 第77-78页 |
·煤矿应急云存储的副本布局策略 | 第78-79页 |
·煤矿应急云存储单节点访问代价 | 第79-82页 |
·TOPSIS 多属性决策方法 | 第82-84页 |
·TOPSIS 基本原理 | 第82-83页 |
·TOPSIS 分析方法 | 第83-84页 |
·基于 TOPSIS 的煤矿应急云存储低代价副本布局技术 | 第84-88页 |
·煤矿应急云存储多节点访问代价 | 第84-85页 |
·煤矿应急云的低访问代价副本布局模型 | 第85-86页 |
·计算实例 | 第86-88页 |
·煤矿应急云存储容错性实验验证 | 第88-90页 |
·容错性实验描述 | 第88页 |
·容错性实验验证 | 第88-90页 |
·小结 | 第90-91页 |
5 煤矿应急信息资源云领域本体构建及云服务语义化描述研究 | 第91-125页 |
·本体论与领域本体 | 第91页 |
·煤矿应急信息资源云领域本体构建研究 | 第91-97页 |
·煤矿应急信息资源云领域本体构建方法 | 第91-96页 |
·基于顶层本体的煤矿应急信息资源云领域本体构建 | 第96-97页 |
·基于OWL-S的煤矿应急信息资源云服务本体描述框架 | 第97-100页 |
·Web服务的上层本体OWL-S | 第98-99页 |
·煤矿应急信息资源云服务的概念模型 | 第99-100页 |
·煤矿应急信息资源云服务本体的建模 | 第100-113页 |
·煤矿应急信息资源云服务轮廓模型的构建 | 第101-109页 |
·煤矿应急信息资源云服务过程模型的构建 | 第109-111页 |
·煤矿应急信息资源云服务聚合模型的构建 | 第111-113页 |
·煤矿应急信息资源云服务本体的语义标注 | 第113-116页 |
·煤矿应急信息资源云服务领域的顶层概念 | 第113-114页 |
·煤矿应急信息资源云的服务过程本体构建 | 第114-115页 |
·煤矿应急信息资源云的服务水平本体构建 | 第115-116页 |
·基于本体与刻面的煤矿应急信息资源云服务检索方法 | 第116-123页 |
·基于本体与刻面的煤矿应急信息资源云服务检索方法 | 第116-117页 |
·基于本体与刻面的煤矿应急信息资源云服务检索模型 | 第117-118页 |
·基于本体与刻面的煤矿应急信息资源云服务检索过程 | 第118-120页 |
·基于HBase的煤矿应急信息资源云服务信息存储 | 第120-123页 |
·煤矿应急信息资源云服务系统设计 | 第123-124页 |
·小结 | 第124-125页 |
6 煤矿应急云平台中海量数据分析方法及实例验证 | 第125-148页 |
·煤矿应急云平台中海量数据来源及存储方法 | 第125-130页 |
·煤矿应急管理海量数据来源 | 第125-126页 |
·传统关系型数据库在煤矿应急管理海量数据存储及处理时的局限性 | 第126-127页 |
·煤矿应急云平台海量数据存储的设计目标 | 第127-128页 |
·基于NoSQL的煤矿应急管理海量数据存储方式 | 第128-130页 |
·煤矿应急云平台的海量数据管理架构与实现方法 | 第130-134页 |
·设计思路 | 第130-131页 |
·煤矿安全生产监测数据联网总体网络结构 | 第131-132页 |
·煤矿应急云平台的海量数据管理架构 | 第132-133页 |
·煤矿应急云平台海量数据存储及数据的实现方法 | 第133-134页 |
·黄陵煤矿生产作业环境参数异动模型在煤矿应急云平台中的实现 | 第134-140页 |
·黄陵煤矿概况及灾害分析 | 第134-135页 |
·黄陵煤矿生产作业环境参数异动模型分析 | 第135-136页 |
·煤矿安全监控系统数据交换标准与海量数据估算 | 第136-138页 |
·黄陵煤矿生产作业环境参数异动模型在云环境下的设计与实现 | 第138-139页 |
·黄陵煤矿安全生产事故灾难监控与信息报告 | 第139-140页 |
·实验验证 | 第140-147页 |
·实验环境 | 第140-141页 |
·煤矿应急云平台与传统单机版煤矿应急信息系统数据处理性能对 | 第141-143页 |
·煤矿应急云平台的I/O性能测试 | 第143-145页 |
·煤矿应急云平台和DBMS处理性能对比 | 第145-146页 |
·煤矿应急云平台中数据仓库BI系统性能测试 | 第146-147页 |
·小结 | 第147-148页 |
7 结论及展望 | 第148-151页 |
·结论 | 第148-149页 |
·创新点 | 第149-150页 |
·展望 | 第150-151页 |
致谢 | 第151页 |
参考文献 | 第151-162页 |
附录 | 第162-165页 |