基于多数据源的水利数据获取及大数据服务
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 关于数据开放与获取的研究 | 第8-9页 |
| 1.2.2 数据清洗的研究 | 第9-10页 |
| 1.2.3 大数据服务在水利行业中的应用 | 第10页 |
| 1.3 研究的主要内容 | 第10-11页 |
| 1.4 技术路线 | 第11-13页 |
| 2 水利数据获取研究 | 第13-20页 |
| 2.1 数据源分析 | 第13页 |
| 2.2 基于网络爬虫的数据获取 | 第13-15页 |
| 2.2.1 爬虫结构与工作原理 | 第13-14页 |
| 2.2.2 爬虫分类 | 第14页 |
| 2.2.3 网络爬虫软件概述 | 第14-15页 |
| 2.3 水利数据获取实例 | 第15-20页 |
| 2.3.1 数据源 | 第15-16页 |
| 2.3.2 数据获取 | 第16-20页 |
| 3 水利数据清洗方法研究及实现 | 第20-47页 |
| 3.1 数据清洗的必要性 | 第20页 |
| 3.2 数据清洗方法研究思路 | 第20页 |
| 3.3 数据清洗方法的确立 | 第20-37页 |
| 3.3.1 对重复值的清洗 | 第20页 |
| 3.3.2 对错误值的清洗 | 第20-21页 |
| 3.3.3 对异常值的清洗 | 第21-27页 |
| 3.3.4 对缺失值的清洗 | 第27-36页 |
| 3.3.5 小结 | 第36-37页 |
| 3.4 数据清洗实例 | 第37-47页 |
| 3.4.1 重复值的处理 | 第37页 |
| 3.4.2 错误值的处理 | 第37-38页 |
| 3.4.3 异常值的处理 | 第38-40页 |
| 3.4.4 缺失值的处理 | 第40-47页 |
| 4 ARIMA水位预测模型建立及实例应用 | 第47-54页 |
| 4.1 水位预测模型选择 | 第47页 |
| 4.2 建立ARIMA模型的步骤 | 第47页 |
| 4.3 建立ARIMA水位预测模型实例 | 第47-54页 |
| 4.3.1 数据平稳性检验 | 第47-49页 |
| 4.3.2 模型参数参数确定 | 第49-52页 |
| 4.3.3 模型预测 | 第52-54页 |
| 5 防汛决策中的大数据服务 | 第54-63页 |
| 5.1 水位预测系统设计 | 第54-60页 |
| 5.1.1 系统功能结构 | 第54-55页 |
| 5.1.2 关键技术支持 | 第55-56页 |
| 5.1.3 核心模块设计 | 第56-60页 |
| 5.2 系统核心模块的实现 | 第60-63页 |
| 5.2.1 防汛决策基本信息整合 | 第60页 |
| 5.2.2 水情预警及结果 | 第60-62页 |
| 5.2.3 历史水情统计分析 | 第62-63页 |
| 6 结论与展望 | 第63-64页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
| 附录A 硕士研究生期间参与的科研项目 | 第68页 |
| 附录B 硕士研究生期间取得的成果 | 第68页 |
| 附录C 获奖情况 | 第68页 |
