| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文章节安排 | 第14-17页 |
| 第2章 相关理论与技术研究 | 第17-31页 |
| 2.1 时间序列预测相关理论 | 第17-20页 |
| 2.1.1 时间序列分析理论基础 | 第17-18页 |
| 2.1.2 时间序列的模型 | 第18-20页 |
| 2.2 Hadoop云平台研究 | 第20-22页 |
| 2.2.1 Hadoop生态系统介绍 | 第20-21页 |
| 2.2.2 Hadoop云平台的特点 | 第21-22页 |
| 2.3 HDFS文件系统研究 | 第22-25页 |
| 2.3.1 HDFS基本原理 | 第22-24页 |
| 2.3.2 HDFS优势和劣势 | 第24-25页 |
| 2.4 MapReduce计算模型研究 | 第25-29页 |
| 2.4.1 MapReduce编程模型介绍 | 第25-26页 |
| 2.4.2 Hadoop MapReduce作业理论 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 遗传算法优化的BP神经网络模型研究 | 第31-52页 |
| 3.1 人工神经网络研究 | 第31-32页 |
| 3.1.1 人工神经网络的发展 | 第31-32页 |
| 3.1.2 人工神经网络的特性 | 第32页 |
| 3.2 BP神经网络研究 | 第32-37页 |
| 3.2.1 BP神经网络基本原理 | 第33-34页 |
| 3.2.2 BP神经网络的步骤及其流程 | 第34-36页 |
| 3.2.3 BP神经网络的不足和改进 | 第36-37页 |
| 3.3 遗传算法优化的BP神经网络 | 第37-44页 |
| 3.3.1 遗传算法原理 | 第37-40页 |
| 3.3.2 遗传算法优化BP神经网络分析 | 第40页 |
| 3.3.3 遗传算法优化BP神经网络 | 第40-44页 |
| 3.4 实验设计与分析 | 第44-50页 |
| 3.4.1 时间序列预测模型的建立 | 第44-46页 |
| 3.4.2 实验评价标准 | 第46-47页 |
| 3.4.3 实验结果分析 | 第47-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于MapReduce的GA-BP并行化方法 | 第52-62页 |
| 4.1 GA-BP模型并行化的必要性 | 第52页 |
| 4.2 基于Map Reduce的GA-BP并行化方法 | 第52-57页 |
| 4.2.1 基于MapReduce的遗传算法并行方法 | 第52-54页 |
| 4.2.2 基于MapReduce的BP神经网络的并行方法 | 第54-57页 |
| 4.3 实验与分析 | 第57-60页 |
| 4.3.1 实验环境配置 | 第57-58页 |
| 4.3.2 实验评价标准 | 第58页 |
| 4.3.3 实验结果分析 | 第58-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 结论 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |
