基于云平台的多模式天气集成预报研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究发展现状 | 第9-10页 |
| 1.2.1 国外研究发展现状 | 第9-10页 |
| 1.2.2 国内研究发展现状 | 第10页 |
| 1.3 主要研究内容及论文结构安排 | 第10-11页 |
| 1.3.1 研究内容概述 | 第10-11页 |
| 1.3.2 论文结构安排 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 相关理论技术 | 第12-25页 |
| 2.1 多模式天气集成预报方法概述 | 第12-14页 |
| 2.1.1 多元回归集成法 | 第12-13页 |
| 2.1.2 神经网络集成法 | 第13页 |
| 2.1.3 权重分布集成法 | 第13-14页 |
| 2.2 遗传算法 | 第14-16页 |
| 2.2.1 标准遗传算法 | 第14-15页 |
| 2.2.2 并行遗传算法 | 第15-16页 |
| 2.3 Hadoop | 第16-19页 |
| 2.3.1 MapReduce | 第17-18页 |
| 2.3.2 YARN | 第18-19页 |
| 2.4 Spark | 第19-24页 |
| 2.4.1 Spark生态系统 | 第19-20页 |
| 2.4.2 Spark运行机制 | 第20-21页 |
| 2.4.3 Spark的编程模型 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于云平台的多模式天气集成预报模型 | 第25-37页 |
| 3.1 核心算法 | 第25-28页 |
| 3.1.1 粗粒度并行遗传算法 | 第25-27页 |
| 3.1.2 CPGA的Spark实现 | 第27-28页 |
| 3.2 基于云平台的多模式天气集成预报模型设定 | 第28-36页 |
| 3.2.1 集成预报模式成员选取 | 第29-30页 |
| 3.2.2 数据标准化处理 | 第30-32页 |
| 3.2.3 权重系数计算 | 第32-34页 |
| 3.2.4 SCPGA编程模型 | 第34-35页 |
| 3.2.5 集成预报流程 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 集成预报系统的设计与实现 | 第37-61页 |
| 4.1 需求分析 | 第37-39页 |
| 4.1.1 总体分析 | 第37页 |
| 4.1.2 系统用例及功能性需求分析 | 第37-38页 |
| 4.1.3 系统非功能性需求分析 | 第38-39页 |
| 4.2 系统设计与实现 | 第39-56页 |
| 4.2.1 系统概要设计 | 第39-40页 |
| 4.2.2 系统设计模式 | 第40-41页 |
| 4.2.3 数据库设计 | 第41-46页 |
| 4.2.4 详细设计 | 第46-56页 |
| 4.3 平台环境搭建 | 第56-60页 |
| 4.3.1 Hadoop集群搭建 | 第56-58页 |
| 4.3.2 Spark集群搭建 | 第58-59页 |
| 4.3.3 ZooKeeper的HA保障 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 系统测试与结果分析 | 第61-66页 |
| 5.1 系统测试 | 第61-62页 |
| 5.2 集成结果分析 | 第62-65页 |
| 5.3 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 7 参考文献 | 第68-73页 |
| 8 攻读硕士学位期间论文发表情况 | 第73-74页 |
| 9 致谢 | 第74页 |
