| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究现状 | 第16-20页 |
| 1.2.1 国内外能耗统计与建筑节能现状 | 第16-17页 |
| 1.2.2 大数据与数据挖掘研究现状 | 第17-18页 |
| 1.2.3 建筑能耗数据挖掘与分析现状 | 第18-20页 |
| 1.3 论文主要研究内容 | 第20-21页 |
| 1.4 论文结构安排 | 第21-23页 |
| 第二章 基于Hadoop的建筑能耗大数据分析平台框架 | 第23-30页 |
| 2.1 建筑能源管理系统演进过程 | 第23-24页 |
| 2.2 Hadoop大数据分析平台框架 | 第24-25页 |
| 2.3 基于Hadoop的建筑能耗大数据分析平台设计 | 第25-29页 |
| 2.3.1 Hadoop建筑能耗大数据平台架构特点 | 第25-26页 |
| 2.3.2 Hadoop建筑能耗大数据平台架构 | 第26-27页 |
| 2.3.3 Hadoop建筑能耗大数据平台功能设计 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于Spark的建筑能耗数据挖掘算法设计 | 第30-52页 |
| 3.1 分布式内存计算模型Spark | 第30-33页 |
| 3.1.1 Spark计算模型的优势 | 第30页 |
| 3.1.2 Spark的数据组织方式 | 第30-31页 |
| 3.1.3 Spark Graphx | 第31-32页 |
| 3.1.4 Spark Streaming | 第32-33页 |
| 3.2 基于Spark的建筑能耗数据流聚类算法 | 第33-46页 |
| 3.2.1 AP聚类算法 | 第33-34页 |
| 3.2.2 AP聚类算法在Spark框架中的实现 | 第34-43页 |
| 3.2.3 S-APStream数据流聚类算法设计 | 第43-46页 |
| 3.3 基于Spark的的建筑能耗关联规则算法 | 第46-51页 |
| 3.3.1 FP-Growth算法 | 第46-49页 |
| 3.3.2 基于Spark的FP-Growth算法 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于Hadoop的公共建筑能耗数据挖掘应用研究 | 第52-76页 |
| 4.1 平台环境搭建 | 第52-55页 |
| 4.1.1 Hadoop环境配置 | 第52-54页 |
| 4.1.2 Spark环境配置 | 第54-55页 |
| 4.2 公共建筑能耗数据流聚类演化分析 | 第55-63页 |
| 4.2.1 数据预处理 | 第57-58页 |
| 4.2.2 建筑能耗数据流聚类分析 | 第58-61页 |
| 4.2.3 建筑能耗数据流聚类演化分析 | 第61-63页 |
| 4.3 公共建筑区域能耗浮动关联规则挖掘 | 第63-75页 |
| 4.3.1 数据处理过程 | 第63-66页 |
| 4.3.2 关联规则挖掘与结果分析 | 第66-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第81-82页 |
