| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 负荷预测算法研究现状 | 第12-14页 |
| 1.2.2 云计算平台研究现状 | 第14-15页 |
| 1.3 课题研究的主要内容 | 第15页 |
| 1.4 论文的组织安排 | 第15-17页 |
| 第2章 相关技术 | 第17-25页 |
| 2.1 负荷特性分类相关技术 | 第17-18页 |
| 2.1.1 负荷数据预处理的特点 | 第17页 |
| 2.1.2 模糊 C 均值聚类算法 | 第17-18页 |
| 2.2 传统负荷预测算法 | 第18-19页 |
| 2.3 Hadoop 云计算技术 | 第19-24页 |
| 2.3.1 HDFS 分布式文件系统 | 第20-21页 |
| 2.3.2 MapReduce 编程框架 | 第21-23页 |
| 2.3.3 HBase 分布式数据库 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于云计算的负荷特性聚类算法设计 | 第25-31页 |
| 3.1 基于云计算的 P-QPSO-FCM 算法设计 | 第25-28页 |
| 3.1.1 传统 FCM 算法的不足 | 第25页 |
| 3.1.2 量子粒子群算法 | 第25-26页 |
| 3.1.3 FCM 算法改进思想 | 第26页 |
| 3.1.4 P-QPSO-FCM 算法设计 | 第26-28页 |
| 3.1.5 P-QPSO-FCM 算法并行化设计 | 第28页 |
| 3.3 海量数据分布式存储策略 | 第28-29页 |
| 3.4 算法并行性能分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于云计算的电力负荷预测算法设计 | 第31-42页 |
| 4.1 序列最小优化的支持向量回归算法设计 | 第31-35页 |
| 4.1.1 支持向量回归算法的不足 | 第31页 |
| 4.1.2 SMO 算法描述 | 第31-32页 |
| 4.1.3 分布式改进思想 | 第32-33页 |
| 4.1.4 基于云计算的 MR-P-SMO 算法并行化设计 | 第33-35页 |
| 4.2 基于云计算和在线序列优化的极限学习机算法设计 | 第35-41页 |
| 4.2.1 极限学习机算法描述 | 第35-37页 |
| 4.2.2 基于云计算的 MR-OSELM-WA 算法设计 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 云计算平台的搭建与配置 | 第42-50页 |
| 5.1 系统环境说明 | 第42页 |
| 5.2 全分布环境下 Hadoop 的安装配置 | 第42-46页 |
| 5.2.1 Hadoop 安装配置说明 | 第42-43页 |
| 5.2.2 配置 hosts 文件 | 第43页 |
| 5.2.3 安装并配置 SSH | 第43-44页 |
| 5.2.4 安装并配置 JDK | 第44页 |
| 5.2.5 安装并配置 Hadoop | 第44-46页 |
| 5.3 全分布环境下 HBase 的安装 | 第46-49页 |
| 5.3.1 安装说明 | 第46-47页 |
| 5.3.2 安装并配置 HBase | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 实验测试与算法分析 | 第50-63页 |
| 6.1 测试数据集描述 | 第50-51页 |
| 6.1.1 EUNITE 真实负荷数据 | 第50-51页 |
| 6.1.2 UCI 标准测试数据集 | 第51页 |
| 6.2 评价指标描述 | 第51-52页 |
| 6.3 P-QPSO-FCM 聚类算法测试实验 | 第52-55页 |
| 6.3.1 聚类质量对比实验 | 第52-53页 |
| 6.3.2 P-QPSO-FCM 并能性能测试 | 第53-54页 |
| 6.3.3 提取日负荷特征曲线 | 第54-55页 |
| 6.4 EUNITE 负荷数据分析与训练数据集设计 | 第55-58页 |
| 6.4.1 EUNITE 负荷数据分析 | 第55-57页 |
| 6.4.2 训练数据集结构设计 | 第57-58页 |
| 6.5 MR-P-SMO 预测算法测试实验 | 第58-59页 |
| 6.5.1 MR-P-SMO 算法预测准确率 | 第58页 |
| 6.5.2 MR-P-SMO 与单机 SMO 速度比较 | 第58-59页 |
| 6.6 MR-OSELM-WA 预测算法测试实验 | 第59-62页 |
| 6.6.1 MR-OSELM-WA 预测准确率 | 第59-61页 |
| 6.6.2 MR-OSELM-WA 并行性能 | 第61-62页 |
| 6.7 本章小结 | 第62-63页 |
| 第7章 总结与展望 | 第63-65页 |
| 7.1 本论文的主要工作 | 第63-64页 |
| 7.2 对未来工作的展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68页 |
