本文關(guān)鍵詞：基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：我國(guó)對(duì)公共建筑能源審計(jì)工作已全面展開(kāi),各省、市陸續(xù)建立了大型公共建筑能耗監(jiān)測(cè)平臺(tái)。目前,山東省對(duì)公共建筑進(jìn)行節(jié)能監(jiān)測(cè)的數(shù)量累計(jì)達(dá)到1000余棟。真實(shí)準(zhǔn)確的公共建筑能耗統(tǒng)計(jì)數(shù)據(jù)對(duì)進(jìn)一步推進(jìn)建筑節(jié)能工作具有重大意義,但是目前對(duì)能耗數(shù)據(jù)的有效利用還存在明顯不足。隨著建筑能耗數(shù)據(jù)量不斷增加,數(shù)據(jù)的分析工作也面臨巨大的挑戰(zhàn)。這些能耗數(shù)據(jù)背后蘊(yùn)涵著豐富的知識(shí),且數(shù)量巨大,傳統(tǒng)分析方法難以發(fā)現(xiàn)和總結(jié)這些數(shù)據(jù)中所蘊(yùn)涵的知識(shí)。本文探索了基于Hadoop的數(shù)據(jù)挖掘技術(shù)在處理海量建筑能耗數(shù)據(jù)中的應(yīng)用。Hadoop是Apache軟件基金會(huì)旗下基于Java語(yǔ)言開(kāi)發(fā)的一個(gè)開(kāi)源分布式計(jì)算平臺(tái),它允許將Hadoop集群部署在低廉的硬件上,用戶可以充分利用集群服務(wù)器的存儲(chǔ)和計(jì)算能力,完成海量數(shù)據(jù)的分析處理。在對(duì)Hadoop分布式計(jì)算平臺(tái)深入分析研究的基礎(chǔ)上,針對(duì)建筑能耗數(shù)據(jù)無(wú)法有效利用這一問(wèn)題,本文提出利用Hadoop分布式架構(gòu),結(jié)合建筑基本信息對(duì)公共建筑能耗數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的方法。首先,本文對(duì)基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘系統(tǒng)進(jìn)行了初步設(shè)計(jì),并對(duì)系統(tǒng)的基本架構(gòu)和各模塊的功能進(jìn)行了設(shè)計(jì)和說(shuō)明。其次,在對(duì)HDFS的架構(gòu)和數(shù)據(jù)讀寫(xiě)機(jī)制進(jìn)行深入學(xué)習(xí)和研究的基礎(chǔ)上,進(jìn)行基于MapReduce編程模型的Java程序編寫(xiě),實(shí)現(xiàn)將實(shí)驗(yàn)樣本數(shù)據(jù)XML文件寫(xiě)入HDFS。然后,根據(jù)本課題數(shù)據(jù)挖掘需求和實(shí)驗(yàn)數(shù)據(jù)的特點(diǎn),選擇數(shù)據(jù)挖掘算法。在對(duì)MapReduce的架構(gòu)和任務(wù)運(yùn)行機(jī)制進(jìn)行深入學(xué)習(xí)和研究的基礎(chǔ)上,實(shí)現(xiàn)了基于MapReduce的改進(jìn)Apriori算法、C4.5算法設(shè)計(jì),以及算法的Java程序編寫(xiě)。最后,利用四臺(tái)計(jì)算機(jī)搭建Hadoop集群作為實(shí)驗(yàn)平臺(tái),以山東省200棟辦公建筑制冷期空調(diào)系統(tǒng)單位面積(月)耗電量為例進(jìn)行能耗數(shù)據(jù)挖掘?qū)嶒?yàn),得到了建筑基本信息與建筑空調(diào)能耗關(guān)系的相關(guān)結(jié)論,根據(jù)判定樹(shù)和建筑信息可預(yù)測(cè)建筑物制冷期空調(diào)系統(tǒng)耗電等級(jí),并對(duì)實(shí)驗(yàn)結(jié)論進(jìn)行了評(píng)價(jià)和分析。本文利用Hadoop分布式架構(gòu)結(jié)合建筑基本信息對(duì)公共建筑能耗數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘,實(shí)現(xiàn)了對(duì)建筑能耗數(shù)據(jù)更大化的利用,彌補(bǔ)了以往的數(shù)據(jù)分析方法對(duì)海量數(shù)據(jù)處理時(shí)出現(xiàn)成本高、效率低的缺陷,對(duì)完善山東省公共建筑節(jié)能監(jiān)測(cè)信息管理系統(tǒng)的數(shù)據(jù)分析功能進(jìn)行了探索,從數(shù)據(jù)的角度客觀地分析建筑能耗情況并為節(jié)能工作提供決策支持。本課題所涉及的思想和方法可推廣應(yīng)用到各類(lèi)建筑能耗數(shù)據(jù)挖掘工作中,對(duì)既有建筑的節(jié)能改造和新建建筑的節(jié)能設(shè)計(jì)提供參考和借鑒。
【關(guān)鍵詞】：Hadoop 公共建筑能耗 數(shù)據(jù)挖掘 HDFS MapReduce Apriori算法 C4.5算法
【學(xué)位授予單位】：山東建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP311.13
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-19
• 1.1 課題研究的背景及意義11-12
• 1.1.1 課題研究背景11-12
• 1.1.2 課題研究目的及意義12
• 1.2 課題研究現(xiàn)狀12-15
• 1.2.1 國(guó)內(nèi)外建筑能耗數(shù)據(jù)分析研究現(xiàn)狀13-14
• 1.2.2 國(guó)內(nèi)外基于Hadoop技術(shù)的數(shù)據(jù)挖掘研究及應(yīng)用現(xiàn)狀14-15
• 1.3 課題研究的可行性分析15-16
• 1.4 課題主要研究?jī)?nèi)容及論文組織結(jié)構(gòu)16-18
• 1.4.1 主要研究?jī)?nèi)容16-17
• 1.4.2 論文組織結(jié)構(gòu)17-18
• 1.5 本章小結(jié)18-19
• 第2章 基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘系統(tǒng)架構(gòu)設(shè)計(jì)19-30
• 2.1 Hadoop分布式系統(tǒng)基礎(chǔ)架構(gòu)19-22
• 2.1.1 Hadoop概述19-20
• 2.1.2 Hadoop的基本架構(gòu)20-22
• 2.2 數(shù)據(jù)挖掘介紹22-24
• 2.2.1 數(shù)據(jù)挖掘的概念22-23
• 2.2.2 知識(shí)發(fā)現(xiàn)的過(guò)程23-24
• 2.2.3 數(shù)據(jù)挖掘的功能24
• 2.3 基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘系統(tǒng)架構(gòu)設(shè)計(jì)24-28
• 2.3.1 系統(tǒng)架構(gòu)模型設(shè)計(jì)24-25
• 2.3.2 模塊功能設(shè)計(jì)25-26
• 2.3.3 系統(tǒng)底層結(jié)構(gòu)設(shè)計(jì)26-28
• 2.4 本章小結(jié)28-30
• 第3章 基于HDFS的實(shí)驗(yàn)數(shù)據(jù)寫(xiě)入設(shè)計(jì)30-36
• 3.1 HDFS的主要特征及讀寫(xiě)機(jī)制分析30-34
• 3.1.1 HDFS的主要特征30-31
• 3.1.2 HDFS讀寫(xiě)機(jī)制分析31-34
• 3.2 實(shí)驗(yàn)樣本數(shù)據(jù)寫(xiě)入HDFS程序設(shè)計(jì)34-35
• 3.3 本章小結(jié)35-36
• 第4章 基于MapReduce編程模型的數(shù)據(jù)挖掘算法設(shè)計(jì)36-56
• 4.1 MapReduce任務(wù)運(yùn)行過(guò)程分析36-42
• 4.1.1 Map Task和Reduce Task執(zhí)行過(guò)程36-39
• 4.1.2 MapReduce作業(yè)的執(zhí)行流程分析39-42
• 4.2 基于MapReduce的Apriori算法設(shè)計(jì)42-50
• 4.2.1 關(guān)聯(lián)分析介紹42
• 4.2.2 Apriori算法的基本原理及思路42-43
• 4.2.3 基于MapReduce的改進(jìn)Apriori算法設(shè)計(jì)43-50
• 4.3 基于MapReduce的決策樹(shù)算法設(shè)計(jì)50-55
• 4.3.1 決策樹(shù)算法介紹50
• 4.3.2 C4.5算法基本思路50-52
• 4.3.3 基于MapReduce的C4.5算法設(shè)計(jì)52-55
• 4.4 本章小結(jié)55-56
• 第5章 以辦公建筑為例進(jìn)行數(shù)據(jù)挖掘及實(shí)驗(yàn)結(jié)果分析評(píng)價(jià)56-74
• 5.1 實(shí)驗(yàn)平臺(tái)的安裝與部署56-65
• 5.1.1 Hadoop集群軟、硬件配置57
• 5.1.2 軟件部署57-63
• 5.1.3 Hadoop集群?jiǎn)?dòng)及測(cè)試63-65
• 5.2 以辦公建筑為例進(jìn)行能耗數(shù)據(jù)挖掘65-71
• 5.2.1 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理65-68
• 5.2.2 關(guān)聯(lián)數(shù)據(jù)挖掘及實(shí)驗(yàn)結(jié)果68-69
• 5.2.3 決策樹(shù)數(shù)據(jù)挖掘及實(shí)驗(yàn)結(jié)果69-71
• 5.3 實(shí)驗(yàn)結(jié)果分析及評(píng)價(jià)71-72
• 5.4 本章小結(jié)72-74
• 第6章 總結(jié)與展望74-76
• 6.1 總結(jié)74-75
• 6.2 課題展望75-76
• 參考文獻(xiàn)76-80
• 后記80-81
• 攻讀碩士學(xué)位期間論文發(fā)表及科研情況81-82
• 附錄82-85

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王磊;張永堅(jiān);賈繼鵬;牛曉光;聶昌龍;;基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2016年03期

2 郭興忠;楊闖;楊輝;吳和平;;門(mén)窗熱工性能對(duì)建筑能耗影響的模擬研究[J];新型建筑材料;2014年S1期

3 廖飛;黃晟;龔德俊;安樂(lè);;基于Hadoop的城市道路交通流量數(shù)據(jù)分布式存儲(chǔ)與挖掘分析研究[J];公路與汽運(yùn);2013年05期

4 李依桐;;云存儲(chǔ)文件系統(tǒng)對(duì)比[J];計(jì)算機(jī)與現(xiàn)代化;2013年10期

5 喻偉;李百戰(zhàn);楊明宇;杜秀媛;;基于人工神經(jīng)網(wǎng)絡(luò)的建筑多目標(biāo)預(yù)測(cè)模型[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

6 李道洋;蒙艷玫;胡映寧;徐聰麒;劉長(zhǎng)俊;周權(quán);;基于分項(xiàng)實(shí)時(shí)監(jiān)測(cè)的建筑能耗數(shù)值分析[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

7 卿曉霞;肖丹;王波;;能耗實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)挖掘方法[J];重慶大學(xué)學(xué)報(bào);2012年07期

8 陳高峰;張歡;由世俊;葉天震;謝真輝;;天津市辦公建筑能耗調(diào)研及分析[J];暖通空調(diào);2012年07期

9 趙曉永;楊揚(yáng);孫莉莉;陳宇;;基于Hadoop的海量MP3文件存儲(chǔ)架構(gòu)[J];計(jì)算機(jī)應(yīng)用;2012年06期

10 朱鑰;賈思奇;張俊魁;李琦;;基于Hadoop的城市交通碳排放數(shù)據(jù)挖掘研究[J];計(jì)算機(jī)應(yīng)用研究;2011年11期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳劍平;基于數(shù)據(jù)挖掘的醫(yī)院建筑用能評(píng)價(jià)及分析[D];哈爾濱工業(yè)大學(xué);2015年

2 黃承真;云計(jì)算環(huán)境下機(jī)票價(jià)格預(yù)測(cè)及任務(wù)分配研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

3 蘇江奪;基于關(guān)聯(lián)規(guī)則挖掘的節(jié)能系統(tǒng)用電分項(xiàng)關(guān)聯(lián)耦合分析的研究與實(shí)現(xiàn)[D];華南理工大學(xué);2013年

4 吳健;基于Hadoop的上市公司輿情挖掘系統(tǒng)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2013年

5 周思宇;不同氣候區(qū)圍護(hù)結(jié)構(gòu)節(jié)能技術(shù)對(duì)辦公建筑能耗的影響[D];天津大學(xué);2012年

6 劉寅;Hadoop下基于貝葉斯分類(lèi)的氣象數(shù)據(jù)挖掘研究[D];南京信息工程大學(xué);2012年

7 梁瑜;基于Hadoop平臺(tái)的醫(yī)保數(shù)據(jù)挖掘[D];東北大學(xué);2012年

8 向小軍;面向情感分類(lèi)任務(wù)的云數(shù)據(jù)挖掘研究[D];南京大學(xué);2012年

9 郝明慧;濟(jì)南地區(qū)辦公建筑能耗模擬與節(jié)能分析[D];山東建筑大學(xué);2011年

10 白云龍;基于Hadoop的數(shù)據(jù)挖掘算法研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2011年

  本文關(guān)鍵詞：基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：266976