| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 物流数据和交通数据国内外研究现状 | 第8-9页 |
| 1.2.2 流计算平台国内外发展现状 | 第9-10页 |
| 1.2.3 交通流预测算法国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 物流大数据及相关技术 | 第13-22页 |
| 2.1 物流大数据 | 第13-15页 |
| 2.1.1 大数据定义 | 第13-14页 |
| 2.1.2 交通大数据 | 第14页 |
| 2.1.3 交通流及特征 | 第14-15页 |
| 2.2 时间序列相关理论 | 第15-16页 |
| 2.2.1 时间序列概念 | 第15-16页 |
| 2.2.2 时间序列自相似特征 | 第16页 |
| 2.3 交通流量预测模型 | 第16-20页 |
| 2.3.1 时间序列预测模型 | 第17-18页 |
| 2.3.2 RBF神经网络 | 第18-19页 |
| 2.3.3 交通流智能预测方法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 基于LMD和GARCH的交通流量预测算法 | 第22-33页 |
| 3.1 交通流量分析和LMD分解 | 第22-26页 |
| 3.2 基于LMD和GARCH交通流量预测算法 | 第26-28页 |
| 3.2.1 预测算法 | 第26-27页 |
| 3.2.2 算法性能分析 | 第27-28页 |
| 3.3 仿真实验分析 | 第28-32页 |
| 3.3.1 PF分量和余量预测 | 第28-31页 |
| 3.3.2 流量合成及实验结果比较 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 RBF神经网络及其Online训练算法改进 | 第33-46页 |
| 4.1 RBF神经网络及其存在问题 | 第33页 |
| 4.2 基于SKmeans和SGD的改进Online RBFNN算法 | 第33-42页 |
| 4.2.1 基于SKmeans在线聚类中心选择 | 第34-38页 |
| 4.2.1.1 算法框架设计 | 第34-36页 |
| 4.2.1.2 离线层算法 | 第36-37页 |
| 4.2.1.3 在线层算法 | 第37-38页 |
| 4.2.1.4 算法性能分析 | 第38页 |
| 4.2.2 RBFNN参数在线训练算法 | 第38-42页 |
| 4.2.2.1 基于SGD的在线训练算法 | 第39-41页 |
| 4.2.2.2 基于动态学习系数的SGD改进在线训练算法 | 第41-42页 |
| 4.3 仿真实验和算法评估 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于Storm Online RBFNN预测算法并行化研究 | 第46-61页 |
| 5.1 实时流处理系统Storm | 第46-48页 |
| 5.1.1 Storm基本原理 | 第46页 |
| 5.1.2 Storm并行化机制 | 第46-47页 |
| 5.1.3 Storm拓扑结构 | 第47-48页 |
| 5.2 基于Storm平台的RBF神经网络并行化设计 | 第48-53页 |
| 5.2.1 RBF神经网络实现过程 | 第48-49页 |
| 5.2.2 任务并行化 | 第49-52页 |
| 5.2.2.1 水平并行化 | 第51页 |
| 5.2.2.2 垂直并行化 | 第51-52页 |
| 5.2.3 RBFNN并行化执行总体设计 | 第52-53页 |
| 5.3 基于Storm平台的RBF神经网络预测算法并行化实现 | 第53-60页 |
| 5.3.1 SKmeans聚类Storm并行化实现 | 第53-56页 |
| 5.3.2 SGD算法Storm并行化实现 | 第56-59页 |
| 5.3.3 RBF神经网络预测算法Storm并行化总体实现 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 RBF神经网络在物流大数据预测中的应用 | 第61-75页 |
| 6.1 Storm测试环境的搭建 | 第61-64页 |
| 6.1.1 硬件环境 | 第61页 |
| 6.1.2 软件环境 | 第61-62页 |
| 6.1.3 CentOS平台Storm集群搭建 | 第62-64页 |
| 6.1.3.1 CentOS6.4 部署Storm单机模式 | 第62-63页 |
| 6.1.3.2 CentOS6.4 部署Storm集群模式 | 第63-64页 |
| 6.2 实验数据集和评价指标 | 第64-66页 |
| 6.2.1 实验数据集 | 第64-65页 |
| 6.2.2 数据预处理 | 第65-66页 |
| 6.2.3 评价指标 | 第66页 |
| 6.3 实验结果分析和比较 | 第66-74页 |
| 6.3.1 单机和集群模式下高效性对比分析 | 第66-70页 |
| 6.3.2 预测准确性对比分析 | 第70-74页 |
| 6.3.2.1 参数影响分析 | 第70-72页 |
| 6.3.2.2 单机和集群模式下预测准确性对比分析 | 第72-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75页 |
| 7.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第82-83页 |
| 附录2 攻读硕士学位期间申请的专利 | 第83-84页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第84-85页 |
| 致谢 | 第85页 |
