| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文所做主要工作 | 第15-16页 |
| 第2章 大数据科学问题及相关性识别理论分析方法 | 第16-28页 |
| 2.1 大数据的科学问题 | 第16-17页 |
| 2.2 相关关系识别方法 | 第17-22页 |
| 2.2.1 皮尔逊相关系数 | 第17-18页 |
| 2.2.2 最大信息系数(MIC) | 第18-19页 |
| 2.2.3 距离相关系数 | 第19-22页 |
| 2.3 度量方法比较 | 第22-23页 |
| 2.4 基于相关关系识别的预警算法设计 | 第23-28页 |
| 第3章 数据质量 | 第28-36页 |
| 3.1 数据质量与数据价值 | 第28页 |
| 3.2 数据质量评估准侧 | 第28-30页 |
| 3.2.1 完整性 | 第28-29页 |
| 3.2.2 一致性 | 第29页 |
| 3.2.3 准确性 | 第29页 |
| 3.2.4 时效性 | 第29-30页 |
| 3.3 数据质量评估方法 | 第30-31页 |
| 3.3.1 简单比例 | 第30页 |
| 3.3.2 最值法 | 第30-31页 |
| 3.3.3 加权平均法 | 第31页 |
| 3.4 数据质量评估模型 | 第31-33页 |
| 3.5 数据质量改进 | 第33-36页 |
| 第4章 基于相关性的大数据实例分析 | 第36-44页 |
| 4.1 算例描述 | 第36-37页 |
| 4.2 算例分析 | 第37-44页 |
| 4.2.1 数据质量评价 | 第37-39页 |
| 4.2.2 相关关系识别 | 第39-44页 |
| 第5章 相关性识别在电池运维决策中的应用 | 第44-48页 |
| 5.1 问题描述与数据来源 | 第44-45页 |
| 5.2 算例分析 | 第45-48页 |
| 5.2.1 电池运维数据质量评价 | 第45页 |
| 5.2.2 电池运维数据相关关系识别 | 第45-48页 |
| 第6章 相关性识别在调控一体化下风险预警技术中的应用 | 第48-52页 |
| 6.1 数据特点 | 第48页 |
| 6.2 算例分析 | 第48-52页 |
| 6.2.1 调控数据质量评价 | 第48-49页 |
| 6.2.2 相关关系识别 | 第49-52页 |
| 第7章 结论与展望 | 第52-54页 |
| 7.1 工作总结 | 第52页 |
| 7.2 工作展望 | 第52-54页 |
| 附录 | 第54-60页 |
| 1 电动汽车动力电池全寿命周期管理系统 | 第54-56页 |
| 2 调控一体化在线数据挖掘与风险预警系统 | 第56-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间研究成果 | 第66-67页 |
| 附件 | 第67页 |