基于GIS平台的时空数据脉动分析关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究目的和意义 | 第15-16页 |
| 1.4 研究内容与论文结构 | 第16-18页 |
| 2 基于GIS的数据汇聚平台 | 第18-30页 |
| 2.1 GIS数据汇聚平台定义和作用 | 第19-20页 |
| 2.2 GIS数据汇聚平台关键技术研究 | 第20-25页 |
| 2.2.1 WebGIS系统 | 第20页 |
| 2.2.2 ETL技术 | 第20-21页 |
| 2.2.3 空间数据ETL技术 | 第21-23页 |
| 2.2.4 多源异构数据汇聚技术 | 第23页 |
| 2.2.5 数据编码技术 | 第23-25页 |
| 2.3 GIS数据汇聚平台实现 | 第25-27页 |
| 2.4 GIS数据汇聚平台与脉动分析 | 第27页 |
| 2.5 本章小结 | 第27-30页 |
| 3 脉动分析关键技术 | 第30-38页 |
| 3.1 时间序列预测 | 第31-34页 |
| 3.1.1 时间序列预测概述 | 第31-32页 |
| 3.1.2 时间延迟算子 | 第32页 |
| 3.1.3 自相关模型AR | 第32-33页 |
| 3.1.4 移动平均模型MA | 第33页 |
| 3.1.5 自相关移动平均模型ARMA | 第33-34页 |
| 3.2 深度学习 | 第34-35页 |
| 3.2.1 特征表达 | 第34页 |
| 3.2.2 深度学习基本思想 | 第34-35页 |
| 3.3 可视化 | 第35-37页 |
| 3.3.1 可视化概述 | 第35-36页 |
| 3.3.2 可视化技术 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于GIS平台的时空数据脉动分析应用研究 | 第38-74页 |
| 4.1 能源脉动分析 | 第38-50页 |
| 4.1.1 居民能源消耗预测 | 第38-47页 |
| 4.1.2 能源专题可视化 | 第47-50页 |
| 4.2 交通脉动分析 | 第50-67页 |
| 4.2.1 中新天津生态城交通状况 | 第50-51页 |
| 4.2.2 公交站点客流量分析 | 第51-57页 |
| 4.2.3 基于栈式自编码的短时客流量预测 | 第57-67页 |
| 4.3 环境脉动分析 | 第67-72页 |
| 4.3.1 研究方法 | 第67页 |
| 4.3.2 技术流程 | 第67-69页 |
| 4.3.3 结果分析 | 第69-72页 |
| 4.4 本章小结 | 第72-74页 |
| 5 总结与展望 | 第74-76页 |
| 5.1 研究总结与创新 | 第74-75页 |
| 5.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 个人简历、在学期间发表的论文与研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
