| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题背景 | 第10-12页 |
| 1.2 国内外城市内涝监控系统研究现状 | 第12-14页 |
| 1.2.1 基于SCADA的城市内涝监控预警系统 | 第12页 |
| 1.2.2 基于ArcGIS的城市内涝监控预警系统 | 第12-14页 |
| 1.3 内涝监测点布置研究现状 | 第14-15页 |
| 1.4 本课题选题目的、研究意义及内容安排 | 第15-17页 |
| 1.4.1 本课题选题目的、研究意义 | 第15页 |
| 1.4.2 论文内容安排 | 第15-17页 |
| 第二章 智慧城市排水管网（内涝）云服务系统的设计与实现 | 第17-30页 |
| 2.1 城市排水管网信息监测系统需求分析 | 第17-19页 |
| 2.1.1 系统功能需求分析 | 第17-18页 |
| 2.1.2 系统性能需求分析 | 第18-19页 |
| 2.2 系统总体架构 | 第19页 |
| 2.3 系统主要功能 | 第19-25页 |
| 2.3.1 移动终端 | 第20-21页 |
| 2.3.2 中心网站功能 | 第21-25页 |
| 2.4 系统各部分技术方案 | 第25-29页 |
| 2.4.1 物联网测控终端 | 第25-26页 |
| 2.4.2 通讯网络 | 第26-27页 |
| 2.4.3 WiFi通讯 | 第27页 |
| 2.4.4 ZigBee+GPRS-DTU通讯 | 第27-28页 |
| 2.4.5 GPRS-DTU通讯 | 第28-29页 |
| 2.4.6 信息服务终端与云服务中心网络通讯结构 | 第29页 |
| 2.5 云服务中心 | 第29页 |
| 2.6 结论 | 第29-30页 |
| 第三章 智慧城市排水管网（内涝）云服务系统测试 | 第30-37页 |
| 3.1 实验室产品设备展示 | 第30-31页 |
| 3.2 实验室排水管网模拟系统工作原理 | 第31-32页 |
| 3.3 实验室城市排水管网模拟系统测试 | 第32-36页 |
| 3.3.1 系统实时性测试 | 第32页 |
| 3.3.2 系统稳定性测试 | 第32-33页 |
| 3.3.3 网络通讯能力测试 | 第33页 |
| 3.3.4 WiFi通讯距离测试 | 第33-34页 |
| 3.3.5 ZigBee通讯距离测试 | 第34-35页 |
| 3.3.6 网络恢复能力测试 | 第35页 |
| 3.3.7 系统准确性测试 | 第35-36页 |
| 3.3.8 手机终端测试 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于直接模糊聚类和改进K-means算法的城市内涝监测点优化布置 | 第37-61页 |
| 4.1 聚类方法概述 | 第37-38页 |
| 4.2 内涝监测点布设的基本原则 | 第38-39页 |
| 4.3 监测点优化布置聚类目标 | 第39页 |
| 4.4 聚类分析数据预处理方法及对象距离测度 | 第39-42页 |
| 4.4.1 聚类常用数据结构 | 第39-40页 |
| 4.4.2 聚类数据的预处理方法 | 第40-41页 |
| 4.4.3 聚类分析中数据相似性问题 | 第41-42页 |
| 4.5 基于直接模糊聚类的监测点优化聚类 | 第42-49页 |
| 4.5.1 直接模糊聚类算法基本步骤 | 第42页 |
| 4.5.2 基于直接模糊聚类算法监测点优化布置 | 第42-49页 |
| 4.6 基于K-means聚类算法和欧式贴进度的监测点优化布置 | 第49-55页 |
| 4.6.1 K-means聚类算法简介 | 第49-50页 |
| 4.6.2 内涝监测点数据 | 第50-55页 |
| 4.7 基于模糊直接聚类与基于K-means算法监测点优化布置模型对比分析 | 第55-56页 |
| 4.7.1 基于模糊直接聚类与基于K-means算法监测点对比 | 第55-56页 |
| 4.8 不同监测点差异性分析 | 第56-58页 |
| 4.9 模型的有效性检验 | 第58-59页 |
| 4.10 本章小结 | 第59-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 5.1 结论 | 第61-62页 |
| 5.2 不足与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
