基于数据仓库的机场能源信息管理研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文的研背景和意义 | 第9-10页 |
| 1.2 机场能源信息采集和管理现状 | 第10-13页 |
| 1.3 基于数据仓库的机场能源信息管理 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第二章 机场能源信息数据仓库设计 | 第15-36页 |
| 2.1 数据仓库系统需求分析与总体设计 | 第15-20页 |
| 2.1.1 机场能源信息管理需求分析 | 第15-16页 |
| 2.1.2 数据仓库功能需求 | 第16-18页 |
| 2.1.3 数据仓库总体设计 | 第18-20页 |
| 2.2 数据仓库模型设计 | 第20-25页 |
| 2.2.1 概念模型设计 | 第21-22页 |
| 2.2.2 逻辑模型设计 | 第22-24页 |
| 2.2.3 物理模型设计 | 第24-25页 |
| 2.3 机场能源信息数据仓库ETL处理 | 第25-30页 |
| 2.3.1 ETL总体架构设计 | 第25-26页 |
| 2.3.2 抽取层ETL设计 | 第26-28页 |
| 2.3.3 ODS服务器 | 第28-29页 |
| 2.3.4 转换层ETL设计 | 第29-30页 |
| 2.4 机场能源数据多维数据集及联机分析处理 | 第30-35页 |
| 2.4.1 建立多维数据集 | 第31-32页 |
| 2.4.2 联机分析操作 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于数据仓库的聚类分析 | 第36-51页 |
| 3.1 数据仓库与数据挖掘 | 第36-37页 |
| 3.2 聚类挖掘算法 | 第37-39页 |
| 3.2.1 聚类算法定义 | 第37-38页 |
| 3.2.2 聚类算法分类 | 第38页 |
| 3.2.3 基于聚类算法的群体细分 | 第38-39页 |
| 3.3 K-Means聚类算法 | 第39-42页 |
| 3.3.1 K-Means算法基本原理 | 第39-41页 |
| 3.3.2 相似性度量 | 第41-42页 |
| 3.3.3 误差准则函数 | 第42页 |
| 3.4 K-Means算法的不足和改进 | 第42-45页 |
| 3.4.1 聚类个数K的选取 | 第42-43页 |
| 3.4.2 初始聚类中心选择 | 第43-45页 |
| 3.5 聚类分析在机场能耗群体细分中的应用 | 第45-50页 |
| 3.5.1 机场能耗数据分析处理 | 第46-47页 |
| 3.5.2 机场能耗时间序列 | 第47-49页 |
| 3.5.3 基于聚类分析的机场能耗单位群体细分 | 第49-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 实验分析 | 第51-57页 |
| 4.1 算法比较 | 第51-52页 |
| 4.2 基于能耗数据的聚类分析 | 第52-54页 |
| 4.3 基于能耗时间序列的聚类分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间发表论文 | 第64页 |
