摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 课题来源 | 第10页 |
1.2 课题研究背景和意义 | 第10-11页 |
1.3 国内外研究现状 | 第11-15页 |
1.3.1 水利云平台的研究现状 | 第11-12页 |
1.3.2 Hadoop平台应用现状 | 第12-13页 |
1.3.3 水文径流回归分析方法的研究现状 | 第13-14页 |
1.3.4 分类回归算法的研究现状 | 第14-15页 |
1.4 论文研究的内容和章节安排 | 第15-17页 |
第2章 基于HADOOP水文分析平台的设计 | 第17-35页 |
2.1 原有的水文平台 | 第17-20页 |
2.1.1 原有平台的结构和功能 | 第17-18页 |
2.1.2 原有平台的数据处理流程 | 第18-19页 |
2.1.3 原平台的性能缺陷 | 第19-20页 |
2.2 HADOOP平台 | 第20-26页 |
2.2.1 项目简介 | 第20-21页 |
2.2.2 Hadoop的基本架构模型 | 第21-22页 |
2.2.3 分布式文件系统HDFS的介绍 | 第22-24页 |
2.2.4 编程模式MapReduce | 第24-26页 |
2.3 水文监测平台架构 | 第26-29页 |
2.3.1 水文信息预测平台的需求分析 | 第26页 |
2.3.2 平台整合后的架构设计 | 第26-29页 |
2.4 水文预测平台的搭建 | 第29-31页 |
2.4.1 硬件环境 | 第29页 |
2.4.2 软件环境 | 第29-30页 |
2.4.3 网络环境 | 第30页 |
2.4.4 Hadoop集群环境搭建 | 第30-31页 |
2.5 水文预测平台的存储和计算服务 | 第31-33页 |
2.5.1 数据存储设计方案 | 第32页 |
2.5.2 集群并行计算设计方案 | 第32-33页 |
2.6 水文数据存储的安全性 | 第33-34页 |
2.7 本章小结 | 第34-35页 |
第3章 径流回归分析算法研究 | 第35-51页 |
3.1 径流和水文-气象遥相关 | 第35-36页 |
3.1.1 径流的定义 | 第35页 |
3.1.2 水文-气候遥相关 | 第35-36页 |
3.2 基于随机森林径流分析算法研究 | 第36-43页 |
3.2.1 决策树 | 第36-39页 |
3.2.2 随机森林算法 | 第39-42页 |
3.2.3 基于随机森林径流分析算法 | 第42-43页 |
3.3 基于支持向量径流分析算法研究 | 第43-48页 |
3.3.1 支持向量机回归的原理 | 第43-46页 |
3.3.2 基于支持向量机径流分析样本的选取 | 第46-47页 |
3.3.3 基于支持向量回归的径流分析算法 | 第47-48页 |
3.4 基于逐步线性回归的径流分析算法研究 | 第48-50页 |
3.5 本章小结 | 第50-51页 |
第4章 基于HADOOP月径流分析模块的设计与实现 | 第51-66页 |
4.1 径流数据处理的流程 | 第51-54页 |
4.1.1 总体数据处理流程 | 第51-52页 |
4.1.2 Hadoop中的数据处理流程 | 第52页 |
4.1.3 Web服务器和Hadoop集群数据处理流程 | 第52-54页 |
4.2 并行随机森林月径流分析算法的设计 | 第54-61页 |
4.2.1 数据预处理 | 第55-56页 |
4.2.2 基于并行随机森林径流模型的构建 | 第56-59页 |
4.2.3 径流解释因子的筛选 | 第59-60页 |
4.2.4 数据集分析 | 第60-61页 |
4.3 径流分析模块设计 | 第61-62页 |
4.4 水文平台成果展示 | 第62-65页 |
4.5 本章小结 | 第65-66页 |
第5章 实验分析结果 | 第66-79页 |
5.1 实验数据来源 | 第66页 |
5.2 单机和并行时随机森林运算速度的对比 | 第66-69页 |
5.3 径流分析算法比较 | 第69-78页 |
5.3.1 评价指标的选取 | 第69-70页 |
5.3.2 算法对比 | 第70-77页 |
5.3.3 实验结果分析 | 第77-78页 |
5.4 本章小结 | 第78-79页 |
第6章 总结和展望 | 第79-81页 |
6.1 本文工作总结 | 第79-80页 |
6.2 工作展望 | 第80-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-86页 |
攻读学位期间获得与学位论文相关的科研成果目录 | 第86页 |