| 摘要 | 第11-13页 |
| ABSTRACT | 第13-16页 |
| 第1章 绪论 | 第17-33页 |
| 1.1 研究背景与意义 | 第17-21页 |
| 1.2 国内外研究现状 | 第21-26页 |
| 1.2.1 地震前兆数据采集方法的研究进展 | 第21-22页 |
| 1.2.2 地震前兆数据异常识别的研究进展 | 第22-25页 |
| 1.2.3 云计算技术应用研究进展 | 第25-26页 |
| 1.3 面临的问题及挑战 | 第26-29页 |
| 1.4 本文主要工作和全文组织结构 | 第29-33页 |
| 1.4.1 主要工作 | 第29-31页 |
| 1.4.2 全文组织结构 | 第31-33页 |
| 第2章 理论与技术基础 | 第33-49页 |
| 2.1 时间序列分析 | 第33-35页 |
| 2.2 模式识别 | 第35-36页 |
| 2.3 变换分析方法 | 第36-47页 |
| 2.3.1 傅里叶变换 | 第37-39页 |
| 2.3.2 短时傅立叶变换 | 第39-41页 |
| 2.3.3 小波变换 | 第41-45页 |
| 2.3.4 小波多尺度分解 | 第45-46页 |
| 2.3.5 Mallat快速小波算法 | 第46-47页 |
| 2.4 本章小结 | 第47-49页 |
| 第3章 基于无线传感网络的地震数据采集方法研究 | 第49-71页 |
| 3.1 基于无线传感器网络的地震监测系统设计 | 第49-55页 |
| 3.1.1 无线传感网隧道环境监测 | 第49-51页 |
| 3.1.2 基于区域的自适应数据收集算法 | 第51-52页 |
| 3.1.3 性能评估 | 第52-55页 |
| 3.2 地震监测中的数据传输协议 | 第55-69页 |
| 3.2.1 传感器网络模型 | 第56-58页 |
| 3.2.2 漏斗效应 | 第58页 |
| 3.2.3 ORDF：基于节能最优环的数据传输协议 | 第58-60页 |
| 3.2.4 传感网络优化分簇模型 | 第60-66页 |
| 3.2.5 性能评估 | 第66-69页 |
| 3.3 本章小结 | 第69-71页 |
| 第4章 多分辨率地震前兆数据异常模式识别算法研究 | 第71-89页 |
| 4.1 预处理过程 | 第71-74页 |
| 4.1.1 多孔小波算法 | 第71-73页 |
| 4.1.2 频率指标的计算 | 第73-74页 |
| 4.1.3 利用局部频率指标处理信号 | 第74页 |
| 4.2 重复模式识别 | 第74-79页 |
| 4.2.1 建立初始模式数据集 | 第74-75页 |
| 4.2.2 定义欧氏空间中的位置 | 第75-76页 |
| 4.2.3 欧氏空间IR~(2e)中的邻域搜索 | 第76-77页 |
| 4.2.4 决定P、Q和I的值 | 第77-79页 |
| 4.3 基于MATLAB的仿真实验 | 第79-87页 |
| 4.3.1 模拟信号重复模式识别 | 第79-83页 |
| 4.3.2 针对重力数据的模式识别实践 | 第83-87页 |
| 4.4 本章小节 | 第87-89页 |
| 第5章 基于局部特征的地震大数据异常识别方法研究 | 第89-115页 |
| 5.1 地震大数据的特点 | 第89-93页 |
| 5.2 SURF算法 | 第93-99页 |
| 5.2.1 SURF算法概述 | 第93-94页 |
| 5.2.2 SURF算法流程 | 第94-99页 |
| 5.3 SURF算法与地震大数据异常识别 | 第99-107页 |
| 5.3.1 地震大数据异常快速识别系统的整体设计 | 第100-101页 |
| 5.3.2 针对地震数据的SURF算法改进 | 第101-105页 |
| 5.3.3 针对地震数据的相似性准则定义 | 第105-106页 |
| 5.3.4 基于Hadoop的地震大数据异常快速识别 | 第106-107页 |
| 5.4 实验结果对比与分析 | 第107-112页 |
| 5.4.1 实验环境 | 第107-109页 |
| 5.4.2 实验评价与分析 | 第109-112页 |
| 5.5 本章小结 | 第112-115页 |
| 第6章 总结与展望 | 第115-119页 |
| 6.1 本文工作总结 | 第115-116页 |
| 6.2 下一步研究方向 | 第116-119页 |
| 参考文献 | 第119-129页 |
| 攻读博士学位期间的科研成果 | 第129-131页 |
| 本文研究获得的项目支持 | 第131-133页 |
| 致谢 | 第133页 |