面向火灾数据的分析预测方法与系统
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外火灾预防研究现状 | 第11-13页 |
| 1.2.1 社区火灾预防现状 | 第11页 |
| 1.2.2 火灾相关数据的分析预测 | 第11-13页 |
| 1.3 研究内容和创新点 | 第13-14页 |
| 1.4 结构安排 | 第14-16页 |
| 第2章 系统总体及模块设计 | 第16-22页 |
| 2.1 系统概览 | 第16-17页 |
| 2.2 系统需求分析及设计目标 | 第17-19页 |
| 2.2.1 系统需求分析 | 第17-18页 |
| 2.2.2 系统设计目标 | 第18-19页 |
| 2.3 系统模块设计 | 第19-20页 |
| 2.3.1 火灾监控对象聚类分组模块 | 第19-20页 |
| 2.3.2 火灾保单预期损失预测模块 | 第20页 |
| 2.3.3 火灾历史数据分析模块 | 第20页 |
| 2.3.4 火灾相关第三方数据分析模块 | 第20页 |
| 2.4 系统总体设计 | 第20-21页 |
| 2.4.1 技术栈介绍 | 第20-21页 |
| 2.4.2 系统架构设计 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 火灾监测对象聚类分组 | 第22-34页 |
| 3.1 火灾监控数据来源及其特点 | 第22页 |
| 3.2 火灾监控对象分析目标 | 第22-23页 |
| 3.3 火灾监控对象分组设计与实现 | 第23-26页 |
| 3.3.1 多视图聚类算法 | 第23-25页 |
| 3.3.2 EW-k-means算法 | 第25页 |
| 3.3.3 多视图聚类分析的实现 | 第25-26页 |
| 3.4 聚类结果分析及参数设置 | 第26-32页 |
| 3.4.1 聚类结果分析 | 第26-30页 |
| 3.4.2 权重与参数η和λ的关系 | 第30-31页 |
| 3.4.3 火灾监控特征组分析 | 第31-32页 |
| 3.4.4 分组结果分析 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 火灾保单预期损失预测 | 第34-43页 |
| 4.1 火灾保单数据的来源与特点 | 第34-35页 |
| 4.2 火灾保单预期损失预测 | 第35页 |
| 4.3 火灾保单预期损失预测方案设计 | 第35-37页 |
| 4.3.1 SVM算法简介 | 第35-36页 |
| 4.3.2 梯度提升决策树算法简介 | 第36-37页 |
| 4.3.3 极限梯度提升决策树简介 | 第37页 |
| 4.3.4 深度学习简介 | 第37页 |
| 4.4 火灾保单预期损失预测的实现 | 第37-39页 |
| 4.4.1 实验环境 | 第37-38页 |
| 4.4.2 SVM算法预测 | 第38页 |
| 4.4.3 梯度提升决策树算法预测 | 第38页 |
| 4.4.4 极限梯度提升决策树算法预测 | 第38-39页 |
| 4.4.5 深度学习算法预测 | 第39页 |
| 4.5 预测结果分析 | 第39-42页 |
| 4.5.1 评价指标 | 第40页 |
| 4.5.2 预测结果的对比分析 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 第三方及历史数据相关性分析 | 第43-49页 |
| 5.1 数据来源 | 第43页 |
| 5.2 分析目标 | 第43页 |
| 5.3 相关性分析设计及实现 | 第43-45页 |
| 5.4 分析结果 | 第45-47页 |
| 5.5 本章小结 | 第47-49页 |
| 第6章 系统实现与可视化 | 第49-54页 |
| 6.1 数据预处理部分 | 第49页 |
| 6.2 系统实现部分 | 第49-50页 |
| 6.2.1 社区火灾监控对象分析 | 第49-50页 |
| 6.2.2 火灾保单预期损失预测 | 第50页 |
| 6.2.3 火灾历史数据及第三方数据分析 | 第50页 |
| 6.3 可视化部分 | 第50-53页 |
| 6.4 本章小结 | 第53-54页 |
| 第7章 总结与展望 | 第54-56页 |
| 7.1 工作总结 | 第54-55页 |
| 7.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |
