| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的和意义 | 第11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 多元回归研究现状 | 第11-12页 |
| 1.3.2 大数据预测方法研究国内外现状 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 Hadoop平台相关技术 | 第15-30页 |
| 2.1 Hadoop平台框架体系结构 | 第15-16页 |
| 2.2 分布式文件系统HDFS | 第16-21页 |
| 2.2.1 分布式文件系统的体系结构 | 第16-18页 |
| 2.2.2 HDFS的工作流程 | 第18-21页 |
| 2.3 分布式列式存储数据库HBase | 第21-26页 |
| 2.3.1 HBase的设计思想 | 第21-22页 |
| 2.3.2 HBase的体系架构 | 第22-24页 |
| 2.3.3 HBase工作流程 | 第24-26页 |
| 2.3.4 HBase的访问接口 | 第26页 |
| 2.4 MapReduce编程模型 | 第26-28页 |
| 2.4.1 设计思想 | 第26-27页 |
| 2.4.2 工作机制 | 第27-28页 |
| 2.5 Hadoop平台的其它子项目 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于Hadoop的多元回归大数据预测方法 | 第30-43页 |
| 3.1 多元回归模型 | 第30-34页 |
| 3.1.1 回归分析概述 | 第30页 |
| 3.1.2 多元线性回归模型概述 | 第30-31页 |
| 3.1.3 多元非线性回归模型概述 | 第31-33页 |
| 3.1.4 可化为线性的非线性回归分析 | 第33-34页 |
| 3.2 基于Hadoop的多元回归模型建模框架 | 第34-37页 |
| 3.2.1 Hadoop的多元回归模型建模框架概述 | 第34页 |
| 3.2.2 Hadoop的多元回归模型建模框架设计过程 | 第34-37页 |
| 3.3 基于MapReduce的多元回归模型算法设计 | 第37-42页 |
| 3.3.1 最大似然估计 | 第37-38页 |
| 3.3.2 梯度下降算法 | 第38-40页 |
| 3.3.3 MapReduce的多元回归模型算法设计过程 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 Hadoop平台的码头系泊护舷压力大数据预测 | 第43-69页 |
| 4.1 系泊护舷压力预测需求分析 | 第43页 |
| 4.2 系泊护舷压力预测模型框架 | 第43-52页 |
| 4.2.1 数据预处理 | 第44-45页 |
| 4.2.2 系泊护舷压力的影响因素分析 | 第45-49页 |
| 4.2.3 单变量相关性分析及其非线性转化 | 第49-51页 |
| 4.2.4 建立系泊护舷压力多元线性回归模型 | 第51-52页 |
| 4.2.5 系泊护舷压力多元线性回归模型评估 | 第52页 |
| 4.3 系泊护舷压力预测HBase数据库设计 | 第52-59页 |
| 4.3.1 系泊护舷压力信息的表设计与操作 | 第52-57页 |
| 4.3.2 系泊护舷压力信息数据导入方式 | 第57-58页 |
| 4.3.3 数据的导入实现 | 第58-59页 |
| 4.4 系泊护舷压力预测Hadoop平台构建 | 第59-63页 |
| 4.4.1 实验前准备 | 第59页 |
| 4.4.2 Hadoop集群安装与配置 | 第59-62页 |
| 4.4.3 HBase安装和配置 | 第62-63页 |
| 4.5 Hadoop平台下系泊护舷压力预测方法实现 | 第63-68页 |
| 4.5.1 多元回归算法程序效果展示 | 第63-64页 |
| 4.5.2 多元回归预测模型结果及评估 | 第64-66页 |
| 4.5.3 算法性能评价方法及试验结果分析 | 第66-68页 |
| 4.6 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
