黑龙江省医疗气象预报系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题来源和背景 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状及存在的问题 | 第11-15页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-15页 |
| ·本文研究的内容 | 第15页 |
| ·本文的组织 | 第15-17页 |
| 第2章 理论基础和相关技术 | 第17-34页 |
| ·气象对疾病发病的影响 | 第17-21页 |
| ·气候特征对疾病发病的影响 | 第17-18页 |
| ·天气系统对疾病发病的影响 | 第18-21页 |
| ·各种疾病的多发月份和主要影响天气 | 第21页 |
| ·回归分析 | 第21-23页 |
| ·回归分析 | 第21页 |
| ·一元线形回归数学模型 | 第21-22页 |
| ·多元线形回归数学模型 | 第22-23页 |
| ·气象信息综合处理系统(Micaps)相关知识 | 第23-25页 |
| ·Micaps在气象业务系统中的位置 | 第24页 |
| ·Micaps的系统结构 | 第24页 |
| ·客户端总体功能结构图 | 第24-25页 |
| ·SaaS相关知识介绍 | 第25-28页 |
| ·SaaS的定义 | 第25页 |
| ·从用户的角度看SaaS的优势 | 第25-26页 |
| ·从软件开发商的角度看SaaS的优势 | 第26-27页 |
| ·SaaS的不足之处 | 第27-28页 |
| ·软件体系结构 | 第28-29页 |
| ·发展历史 | 第28-29页 |
| ·C/S结构与B/S结构的比较 | 第29页 |
| ·表象化状态转变 | 第29-30页 |
| ·表象化状态转变的概念 | 第29-30页 |
| ·表象化状态转变的优点 | 第30页 |
| ·机器学习 | 第30-33页 |
| ·机器学习的概念 | 第30-31页 |
| ·机器学习的发展史 | 第31-32页 |
| ·机器学习分类 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于SaaS的医疗气象预报系统设计 | 第34-54页 |
| ·传统医疗气象预报系统 | 第34-36页 |
| ·传统系统的网络拓扑结构 | 第34页 |
| ·传统系统的处理流程 | 第34-35页 |
| ·传统系统的优点 | 第35页 |
| ·传统医疗气象预报系统的不足 | 第35-36页 |
| ·基于SaaS的医疗气象预报系统设计目标 | 第36-37页 |
| ·基于SaaS的医疗气象预报系统网络拓扑结构 | 第37-38页 |
| ·核心部分 | 第37-38页 |
| ·用户服务部分 | 第38页 |
| ·基于SaaS的医疗气象预报系统的相关数据库设计 | 第38-40页 |
| ·医疗气象预报的基本计算方法 | 第40-48页 |
| ·高血压 | 第41-44页 |
| ·脑卒中(脑出血、脑梗塞) | 第44-45页 |
| ·冠心病 | 第45-46页 |
| ·消化系统疾病 | 第46-47页 |
| ·呼吸系统疾病 | 第47-48页 |
| ·算法的微调 | 第48-53页 |
| ·算法微调过程 | 第48-49页 |
| ·机器学习模块 | 第49-51页 |
| ·KNN算法 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 系统实现与分析 | 第54-62页 |
| ·系统概述 | 第54页 |
| ·系统运行环境 | 第54页 |
| ·系统主要模块 | 第54页 |
| ·系统处理流程 | 第54-55页 |
| ·系统功能 | 第55-59页 |
| ·各种疾病的预报级别和预报语 | 第55-56页 |
| ·系统各功能模块介绍 | 第56-59页 |
| ·医疗气象预报系统的优点 | 第59-60页 |
| ·传统系统与新系统的比较 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
