第一个书签之前
摘要
Abstract
Contents
第一章 绪论
1.1研究背景与意义
1.1.1研究背景
1.1.2研究意义
1.2国内外研究现状
1.2.1 空气质量预测研究现状
1.2.2 云计算技术研究现状
1.3本文主要研究内容
1.4本文章节安排
第二章 相关技术介绍和研究工作
2.1 Hadoop云计算平台概述
2.2 Hadoop分布式文件系统—HDFS
2.2.1 HDFS的实现框架
2.2.2 HDFS文件的写入
2.2.3 HDFS文件的读取
2.3 Hadoop分布式计算框架—MapReduce
2.3.1 MapReduce的作业运行机制
2.3.2 MapReduce的运行过程
2.4空气质量预测方法的选择
2.5 空气质量指数评价模型
2.5.1 空气质量指数AQI
2.5.2 空气质量指数的计算
2.6本章小结
第三章 基于Hadoop的空气质量预测框架
3.1 大数据处理技术
3.2 大数据处理框架及流程
3.2.1 基于云计算平台的大数据处理框架
3.2.2 基于云计算平台的大数据处理流程
3.3 基于Hadoop的空气质量预测框架及流程
3.3.1 空气质量预测框架
3.3.2 空气质量预测流程
3.4 Hadoop平台搭建与部署
3.4.1 Hadoop集群的软硬件环境
3.4.2 Hadoop集群的搭建步骤
3.4.3 Eclipse开发环境搭建
3.5 本章小结
第四章 空气监测及气象数据的获取与处理
4.1 空气监测及气象数据的获取
4.1.1 网络爬虫技术概述
4.1.2 网络爬虫系统原理
4.1.3 数据抓取具体实现
4.2 空气监测及气象数据的描述
4.3 空气监测及气象数据的预处理
4.3.1 缺失数据处理
4.3.2 数值化处理
4.3.3 归一化处理
4.4 空气监测及气象数据的导入导出
4.4.1 数据导入导出环境准备
4.4.2 数据导入导出方法
4.5本章小结
第五章 基于Hadoop的空气质量预测方法的设计与实现
5.1基于Hadoop的空气质量预测思想
5.1.1 BP神经网络并行化思想
5.1.2 MapReduce框架下的BP神经网络并行化思想
5.2 基于MR-BP的空气质量预测模型设计
5.2.1 空气质量预测模型的网络结构
5.2.2 网络各层神经元个数的个数的确定
5.2.3 网络激活函数以初始参数的选取
5.3 基于MR-BP的空气质量预测算法实现
5.3.1 基于MR-BP的空气质量预测算法总体流程
5.3.2 map函数中BP神经网络算法的流程
5.3.3 BP神经网络算法的改进方法
5.4 空气质量预测结果与分析
5.5 本章小结
总结与展望
1.总结
2.展望
参考文献
攻读学位期间科研成果
致谢
