基于大数据的城市防汛决策支持系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 本文研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 关于洪水预警预报的研究 | 第13-15页 |
| 1.2.2 决策支持系统的研究 | 第15-17页 |
| 1.2.3 大数据与城市计算 | 第17-21页 |
| 1.3 主要研究内容 | 第21-23页 |
| 1.4 本文的组织结构 | 第23-24页 |
| 第2章 相关技术概述 | 第24-40页 |
| 2.1 大数据与云计算技术 | 第24-27页 |
| 2.1.1 大数据采集 | 第25页 |
| 2.1.2 大数据预处理 | 第25页 |
| 2.1.3 大数据存储 | 第25-26页 |
| 2.1.4 大数据挖掘分析 | 第26页 |
| 2.1.5 云计算技术 | 第26-27页 |
| 2.2 Hadoop云计算生态系统 | 第27-37页 |
| 2.2.1 分布式文件系统HDFS | 第29-30页 |
| 2.2.2 分布式编程模型MapReduce | 第30-32页 |
| 2.2.3 分布式数据库HBase | 第32-34页 |
| 2.2.4 大数据实时分析引擎Impala | 第34-37页 |
| 2.3 数据可视化技术 | 第37-40页 |
| 2.3.1 数据可视化类型 | 第38页 |
| 2.3.2 数据可视化常用工具 | 第38-40页 |
| 第3章 组合水位预测模型 | 第40-53页 |
| 3.1 水位预测模型概述 | 第40-42页 |
| 3.2 水位预测模型的设计 | 第42-44页 |
| 3.3 时间相关水位预测模型 | 第44-45页 |
| 3.4 空间相关水位预测模型 | 第45-46页 |
| 3.5 基于分类回归树的模型组合 | 第46-48页 |
| 3.6 水位预测模型的训练 | 第48-53页 |
| 3.6.1 数据预处理 | 第48页 |
| 3.6.2 时间相关水位预测模型的训练 | 第48-49页 |
| 3.6.3 空间相关水位预测模型的训练 | 第49-50页 |
| 3.6.4 分类回归树模型的训练 | 第50页 |
| 3.6.5 预测结果评估 | 第50-53页 |
| 第4章 防汛决策支持系统设计与实现 | 第53-71页 |
| 4.1 系统的网络拓扑结构 | 第53-55页 |
| 4.2 系统的总体功能框架结构 | 第55-57页 |
| 4.3 系统数据库的设计与实现 | 第57-66页 |
| 4.3.1 HBase数据表的设计 | 第58-65页 |
| 4.3.2 系统数据库的访问实现 | 第65-66页 |
| 4.4 系统核心模块的设计与实现 | 第66-71页 |
| 4.4.1 实时水情查询模块的设计与实现 | 第66-68页 |
| 4.4.2 水位预报预警模块的设计与实现 | 第68-70页 |
| 4.4.3 历史水情统计分析模块的设计与实现 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 论文主要工作总结 | 第71页 |
| 5.2 进一步研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间主要的研究成果 | 第78-79页 |
| 致谢 | 第79页 |
