作者简历 | 第7-9页 |
摘要 | 第9-12页 |
ABSTRACT | 第12-16页 |
第一章 绪论 | 第20-42页 |
§1.1 研究背景和意义 | 第20-24页 |
§1.2 国内外研究现状及存在的问题 | 第24-38页 |
1.2.1 滑坡预测模型研究历程 | 第25-30页 |
1.2.2 多结构数据挖掘研究进展 | 第30-34页 |
1.2.3 云计算技术在数据处理平台中的应用 | 第34-38页 |
§1.3 研究内容及技术方法 | 第38-40页 |
1.3.1 研究目标及内容 | 第38-39页 |
1.3.2 研究思路及方法 | 第39-40页 |
§1.4 章节安排 | 第40-41页 |
本章小结 | 第41-42页 |
第二章 研究区概况 | 第42-52页 |
§2.1 地形地貌 | 第42-43页 |
§2.2 基础地质 | 第43-49页 |
2.2.1 地层岩性 | 第43-47页 |
2.2.2 地质构造与地震 | 第47-48页 |
2.2.3 水文地质 | 第48-49页 |
§2.3 气象水文 | 第49页 |
§2.4 人类工程活动 | 第49-50页 |
§2.5 滑坡灾情概况 | 第50-51页 |
本章小结 | 第51-52页 |
第三章 滑坡多结构数据库建立 | 第52-65页 |
§3.1 数据源分类 | 第52-53页 |
§3.2 数据库建设 | 第53-64页 |
3.2.1 监测数据集 | 第55-59页 |
3.2.2 文本数据集 | 第59-61页 |
3.2.3 图片数据集 | 第61-64页 |
本章小结 | 第64-65页 |
第四章 滑坡多结构数据挖掘模型研究 | 第65-108页 |
§4.1 研究区典型滑坡时间预测分析 | 第65-86页 |
4.1.1 白家包滑坡地质特征 | 第65-67页 |
4.1.2 变形阶段划分 | 第67-70页 |
4.1.3 多结构评价因子提取 | 第70-77页 |
4.1.4 滑坡位移指数平滑模型改进及分析 | 第77-82页 |
4.1.5 诱发因素影响下滑坡Arima模型改进及分析 | 第82-86页 |
§4.2 基于诱发因素和空间因子的多维判据提取 | 第86-97页 |
4.2.1 几何文件预处理 | 第88页 |
4.2.2 多结构数据离散化 | 第88-92页 |
4.2.3 多维判据提取及分析 | 第92-97页 |
§4.3 区域滑坡易发性分析 | 第97-107页 |
4.3.1 C5.0决策树原理 | 第98-100页 |
4.3.2 影像多尺度分割 | 第100-102页 |
4.3.3 地质评价因子分级 | 第102-104页 |
4.3.4 模型建立与易发性结果分析 | 第104-107页 |
本章小结 | 第107-108页 |
第五章 分布式数据挖掘平台搭建 | 第108-128页 |
§5.1 相关技术概述 | 第109-115页 |
5.1.1 MongoDB简介 | 第109-111页 |
5.1.2 BSON存储格式 | 第111-113页 |
5.1.3 多结构化数据管理 | 第113-114页 |
5.1.4 Java MongoDB Driver | 第114-115页 |
§5.2 服务器端数据库部署 | 第115-116页 |
§5.3 滑坡数据处理平台基本功能设计 | 第116-121页 |
§5.4 数据挖掘功能实现 | 第121-127页 |
5.4.1 参数输入 | 第121-123页 |
5.4.2 滑坡数据分析 | 第123-126页 |
5.4.3 主要算法描述及结果展示 | 第126-127页 |
本章小结 | 第127-128页 |
第六章 关键算法并行化研究 | 第128-134页 |
§6.1 MapReduce模型框架 | 第128-130页 |
§6.2 算法构建 | 第130-132页 |
6.2.1 Map方法设计 | 第130-131页 |
6.2.2 Reduce方法设计 | 第131-132页 |
§6.3 实验结果及分析 | 第132-133页 |
6.3.1 实验环境 | 第132页 |
6.3.2 结果与分析 | 第132-133页 |
本章小结 | 第133-134页 |
第七章 结语 | 第134-140页 |
§7.1 研究成果及创新点 | 第134-137页 |
7.1.1 研究成果 | 第134-136页 |
7.1.2 创新点 | 第136-137页 |
§7.2 讨论与展望 | 第137-140页 |
7.2.1 讨论 | 第137-138页 |
7.2.2 展望 | 第138-140页 |
致谢 | 第140-141页 |
参考文献 | 第141-152页 |