| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 本课题的研究背景及意义 | 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 本课题研究领域国内外的研究动态及发展趋势 | 第11-13页 |
| 1.2.1 数据资源描述国内外研究现状 | 第11-12页 |
| 1.2.2 RDF数据存储国内外研究现状 | 第12-13页 |
| 1.2.3 数据清洗国内外研究现状 | 第13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 技术路线 | 第14-16页 |
| 2 基于RDF的设备运行状态大数据描述建模与分布式存储 | 第16-33页 |
| 2.1 数据统一描述方法 | 第16-19页 |
| 2.1.1 数据描述方法概述 | 第16-17页 |
| 2.1.2 RDF资源描述框架概述 | 第17-19页 |
| 2.2 设备运行状态大数据描述建模 | 第19-24页 |
| 2.2.1 设备运行状态大数据资源描述流程 | 第19-20页 |
| 2.2.2 设备运行状态大数据元数据建模 | 第20-21页 |
| 2.2.3 设备运行状态大数据描述实例 | 第21-24页 |
| 2.3 现有的RDF数据存储模型 | 第24-27页 |
| 2.3.1 集中式RDF数据存储 | 第25-26页 |
| 2.3.2 分布式RDF数据存储 | 第26-27页 |
| 2.4 RDF分布式存储模型建立 | 第27-31页 |
| 2.4.1 设计思想 | 第27页 |
| 2.4.2 本体模型存储设计 | 第27-29页 |
| 2.4.3 RDF实例数据存储模型 | 第29-30页 |
| 2.4.4 存储模型分析 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 设备运行状态大数据清洗建模 | 第33-47页 |
| 3.1 设备运行状态大数据的特征 | 第33-34页 |
| 3.2 基于时间序列分析的设备运行状态大数据清洗建模 | 第34-39页 |
| 3.2.1 时间序列分析简介与适用性 | 第34-36页 |
| 3.2.2 噪声点模型建立 | 第36-37页 |
| 3.2.3 干预模型建立 | 第37页 |
| 3.2.4 异常数据对时间序列拟合的影响 | 第37-38页 |
| 3.2.5 异常数据的检验统计量 | 第38-39页 |
| 3.3 设备运行状态大数据清洗流程 | 第39-41页 |
| 3.4 模型验证 | 第41-45页 |
| 3.4.1 噪声点模型验证 | 第41-44页 |
| 3.4.2 干预模型验证 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于MapReduce的设备运行状态大数据清洗建模 | 第47-56页 |
| 4.1 MapReduce技术简介 | 第47-49页 |
| 4.1.1 MapReduce概述 | 第47-48页 |
| 4.1.2 MapReduce工作流程 | 第48-49页 |
| 4.2 基于MapReduce的设备运行状态大数据清洗模型建立 | 第49-53页 |
| 4.2.0 基于MapReduce的设备运行状态大数据清洗建模流程 | 第49-50页 |
| 4.2.1 Map过程设计 | 第50-52页 |
| 4.2.2 Reduce过程设计 | 第52-53页 |
| 4.3 模型验证 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 实验及结果分析 | 第56-63页 |
| 5.1 实验平台搭建 | 第56-58页 |
| 5.1.1 硬件环境配置 | 第56-57页 |
| 5.1.2 软件环境配置 | 第57-58页 |
| 5.2 RDF数据并行解析与加载实验及分析 | 第58-60页 |
| 5.3 设备运行状态大数据清洗实验及分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72页 |
