| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究工作 | 第12-13页 |
| 1.4 结构安排 | 第13-15页 |
| 第二章 相关技术及问题分析 | 第15-25页 |
| 2.1 大数据技术简介 | 第15-21页 |
| 2.1.1 大数据的概念 | 第15-16页 |
| 2.1.2 处理平台Hadoop | 第16-18页 |
| 2.1.3 计算框架Spark | 第18-21页 |
| 2.2 系统分析及解决方案 | 第21-24页 |
| 2.2.1 污水大数据特征分析 | 第21-22页 |
| 2.2.3 系统的解决方案 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 污水大数据的实时超标监测技术 | 第25-41页 |
| 3.1 引言 | 第25-26页 |
| 3.2 未知污水指标的软测量技术 | 第26-31页 |
| 3.2.1 指标选取 | 第27-28页 |
| 3.2.2 FNN_Adaboost算法 | 第28-29页 |
| 3.2.3 实验分析 | 第29-31页 |
| 3.3 工厂排污超标程度的聚类技术 | 第31-37页 |
| 3.3.1 k-means算法分析 | 第31-32页 |
| 3.3.2 改进的k-means算法 | 第32-35页 |
| 3.3.3 应用分析 | 第35-37页 |
| 3.4 工厂排污情况的实时监测 | 第37-40页 |
| 3.4.1 工厂排污情况的监测算法 | 第37-38页 |
| 3.4.2 基于Spark Streaming的工厂排污情况监测 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 污水大数据存储与预测分析技术 | 第41-59页 |
| 4.1 污水大数据的存储 | 第41-45页 |
| 4.1.1 HBase的体系架构 | 第41-43页 |
| 4.1.2 基于HBase的表设计 | 第43-45页 |
| 4.2 污水数据分析 | 第45-48页 |
| 4.2.1 工厂排污情况序列化 | 第45-47页 |
| 4.2.2 工厂排污情况时间序列分析 | 第47-48页 |
| 4.3 时间序列预测模型的分析与应用 | 第48-58页 |
| 4.3.1 时间序列预测模型 | 第48-50页 |
| 4.3.2 模型的选取准则 | 第50-51页 |
| 4.3.3 预测模型的选取分析 | 第51-53页 |
| 4.3.4 应用及分析 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于大数据的排污监管系统设计与实现 | 第59-74页 |
| 5.1 排污监管系统的需求分析 | 第59-61页 |
| 5.1.1 功能需求 | 第59-60页 |
| 5.1.2 非功能需求 | 第60-61页 |
| 5.2 排污监管系统的概要设计 | 第61-63页 |
| 5.3.1 逻辑架构的设计 | 第61-62页 |
| 5.3.2 功能模块的设计 | 第62-63页 |
| 5.3 排污监管系统的详细设计 | 第63-70页 |
| 5.3.1 数据接收与解析模块 | 第63-65页 |
| 5.3.2 数据分析与处理模块 | 第65-67页 |
| 5.3.3 数据展示模块 | 第67-69页 |
| 5.3.4 数据读写模块 | 第69-70页 |
| 5.4 排污监管系统的实现 | 第70-73页 |
| 5.4.1 环境配置 | 第70-71页 |
| 5.4.2 功能模块的实现 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间申请的软件著作权 | 第77-78页 |
| 参考文献 | 第78-81页 |