| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国外研究现状 | 第11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 大数据技术理论基础 | 第14-29页 |
| 2.1 Zookeeper | 第14-17页 |
| 2.1.1 Zookeeper的数据结构 | 第15页 |
| 2.1.2 Zookeeper的选举机制 | 第15-17页 |
| 2.2 Hadoop | 第17-25页 |
| 2.2.1 Hadoop的起源及发展 | 第17-18页 |
| 2.2.2 HDFS | 第18-22页 |
| 2.2.3 MapReduce | 第22-25页 |
| 2.3 Hive | 第25-26页 |
| 2.4 Spark | 第26-28页 |
| 2.4.1 RDD(弹性数据集) | 第27页 |
| 2.4.2 有向无环图 | 第27-28页 |
| 2.4.3 窄依赖和宽依赖 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于大数据架构的智能通风系统设计 | 第29-43页 |
| 3.1 系统整体设计 | 第29-33页 |
| 3.1.1 Hadoop集群高可用 | 第30-31页 |
| 3.1.2 Kafka消息中间件 | 第31-33页 |
| 3.2 系统搭建 | 第33-36页 |
| 3.2.1 环境配置 | 第33-34页 |
| 3.2.2 Hadoop安装 | 第34-36页 |
| 3.3 系统流程分析 | 第36-42页 |
| 3.3.1 数据采集 | 第36-37页 |
| 3.3.2 数据清洗 | 第37-41页 |
| 3.3.3 智能通风策略算法分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 LSTM粮仓智能通风模型研究与模拟 | 第43-54页 |
| 4.1 神经网络概述 | 第43页 |
| 4.2 BP算法基本思想 | 第43-45页 |
| 4.3 递归网络训练算法BPTT | 第45-49页 |
| 4.4 RNN算法缺陷 | 第49页 |
| 4.5 LSTM算法研究 | 第49-52页 |
| 4.6 仿真分析 | 第52-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 S-P-LSTM粮仓智能通风模型模拟与实现 | 第54-65页 |
| 5.1 激活函数改进 | 第54-58页 |
| 5.2 改进后仿真分析 | 第58-59页 |
| 5.3 单机与集群性能对比 | 第59-64页 |
| 5.3.1 性能对比指标 | 第59-61页 |
| 5.3.2 实验结果 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-66页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |