| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 风电预测算法研究现状 | 第11页 |
| 1.2.2 云计算研究现状 | 第11-12页 |
| 1.3 课题研究的主要内容 | 第12-13页 |
| 1.4 论文的组织安排 | 第13-14页 |
| 第2章 相关技术 | 第14-24页 |
| 2.1 云计算 | 第14-19页 |
| 2.1.1 hadoop云平台 | 第14-16页 |
| 2.1.2 Spark云计算技术 | 第16-18页 |
| 2.1.3 hadoop与Spark技术比较 | 第18-19页 |
| 2.2 菌群优化算法 | 第19-22页 |
| 2.2.1 菌群优化算法模型 | 第19-20页 |
| 2.2.2 菌群优化算法原理 | 第20-22页 |
| 2.2.3 菌群优化算法特点 | 第22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 BCO-NN风电预测算法设计 | 第24-31页 |
| 3.1 BP神经网络 | 第24-27页 |
| 3.1.1 BP神经网络原理 | 第24-25页 |
| 3.1.2 BP神经网络算法的数学描述 | 第25-26页 |
| 3.1.3 BP神经网络的不足 | 第26-27页 |
| 3.2 风电功率预测特点 | 第27页 |
| 3.3 BCO-NN算法设计 | 第27-30页 |
| 3.3.1 算法设计思想 | 第27-28页 |
| 3.3.2 人工细菌粒子设计 | 第28-29页 |
| 3.3.3 BCO-NN算法具体实现 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于Spark的S-BCO-NN算法设计 | 第31-37页 |
| 4.1 BCO-NN算法并行化设计 | 第31页 |
| 4.1.1 BCO-NN算法算法不足 | 第31页 |
| 4.1.2 BCO-NN算法并行化设计思想 | 第31页 |
| 4.2 S-BCO-NN算法设计 | 第31-35页 |
| 4.2.1 Spark平台并行化 | 第31-32页 |
| 4.2.2 S-BCO-NN算法设计 | 第32-33页 |
| 4.2.3 S-BCO-NN算法具体实现步骤 | 第33-34页 |
| 4.2.4 算法性能分析 | 第34-35页 |
| 4.3 本章小结 | 第35-37页 |
| 第5章 Spark云计算平台的搭建与配置 | 第37-45页 |
| 5.1 Hadoop平台说明 | 第37-38页 |
| 5.2 全分布环境下Hadoop的安装配置 | 第38-42页 |
| 5.2.1 Hadoop安装配置说明 | 第38页 |
| 5.2.2 配置hosts文件 | 第38-39页 |
| 5.2.3 安装并配置JDK | 第39页 |
| 5.2.4 安装并配置Hadoop平台 | 第39-42页 |
| 5.3 开发平台搭建及配置 | 第42-44页 |
| 5.3.1 下载并安装Scala | 第42页 |
| 5.3.2 下载并安装Spark | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第6章 实验测试与算例分析 | 第45-49页 |
| 6.1 数据集设计 | 第45页 |
| 6.2 评价指标 | 第45-46页 |
| 6.3 算例分析 | 第46-48页 |
| 6.3.1 BCO-NN算法预测结果均方根误差分析 | 第46-47页 |
| 6.3.2 S-BCO-NN算法并行性能分析 | 第47-48页 |
| 6.4 本章小结 | 第48-49页 |
| 第7章 总结与展望 | 第49-51页 |
| 7.1 本论文的主要工作 | 第49-50页 |
| 7.2 对未来工作的展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |