基于瓦斯浓度时间序列的大数据预测
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-30页 |
| 1.1 研究背景和意义 | 第16-19页 |
| 1.2 国内外研究现状 | 第19-27页 |
| 1.3 研究新意与难点 | 第27-28页 |
| 1.4 研究内容与方法 | 第28-30页 |
| 2 瓦斯浓度数据采集与存储 | 第30-39页 |
| 2.1 HDFS搭建 | 第30-31页 |
| 2.2 HBase搭建 | 第31-33页 |
| 2.3 数据采集 | 第33-35页 |
| 2.4 数据存储 | 第35-36页 |
| 2.5 程序设计 | 第36-38页 |
| 2.6 本章小结 | 第38-39页 |
| 3 瓦斯浓度短期预测 | 第39-50页 |
| 3.1 MapReduce计算框架 | 第39页 |
| 3.2 ARIMA模型简介 | 第39-41页 |
| 3.3 短期预测 | 第41-46页 |
| 3.4 结果分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 瓦斯浓度实时预测 | 第50-58页 |
| 4.1 马尔科夫过程简介 | 第50页 |
| 4.2 实时预测原理 | 第50-51页 |
| 4.3 一步概率矩阵计算 | 第51-55页 |
| 4.4 结果分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 瓦斯浓度危险性评价 | 第58-66页 |
| 5.1 K-Means聚类简介 | 第58-60页 |
| 5.2 超限危险性评价原理 | 第60-61页 |
| 5.3 浓度超限概率聚类 | 第61-65页 |
| 5.4 聚类结果分析 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 主要研究成果 | 第66页 |
| 6.2 问题与展望 | 第66-68页 |
| 附录 | 第68-75页 |
| 参考文献 | 第75-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |
