水庫群智能調(diào)度云服務(wù)系統(tǒng)平臺(tái)開發(fā)與示范

前言
第1章 概述
1．1 研究意義
1．2 國內(nèi)外研究概況與發(fā)展趨勢
1．3 研究特色與理論創(chuàng)新
第2章 水庫群多源多專業(yè)海量異構(gòu)數(shù)據(jù)的存儲(chǔ)管理及融合技術(shù)
2．1 海量異構(gòu)數(shù)據(jù)介紹
2．2 海量異構(gòu)數(shù)據(jù)存儲(chǔ)
2．3 海量異構(gòu)數(shù)據(jù)處理
2．4 海量異構(gòu)數(shù)據(jù)共享
2．5 海量異構(gòu)數(shù)據(jù)融合
第3章 水庫群大數(shù)據(jù)深度挖掘技術(shù)及應(yīng)用分析
3．1 水庫群大數(shù)據(jù)體系及特征分析
3．2 水庫群大數(shù)據(jù)深度學(xué)習(xí)模型
3．3 水庫群多維時(shí)空決策知識(shí)庫
3．4 水庫群大數(shù)據(jù)增量式智能調(diào)度知識(shí)庫
第4章 基于混合云架構(gòu)的水庫群智能云服務(wù)平臺(tái)集成技術(shù)
4．1 平臺(tái)體系整體設(shè)計(jì)
4．2 混合云環(huán)境下的統(tǒng)一數(shù)據(jù)接口規(guī)范
4．3 多模型多業(yè)務(wù)系統(tǒng)集成方法
第5章 水庫群專業(yè)應(yīng)用模型標(biāo)準(zhǔn)化技術(shù)及模型智能優(yōu)選
5．1 應(yīng)用模型規(guī)范化標(biāo)準(zhǔn)
5．2 多專業(yè)模型封裝耦合方法
5．3 不同應(yīng)用邊界的數(shù)據(jù)組織與模型優(yōu)選算法
第6章 基于沉浸式場景和行為感知的交互技術(shù)及會(huì)商決策方法
6．1 沉浸式邏輯作業(yè)場景
6．2 關(guān)鍵情境信息智能感知推送
6．3 水庫群智能作業(yè)導(dǎo)則庫
6．4 分布式多專家多輪次協(xié)同會(huì)商決策平臺(tái)
第7章 水庫群智能調(diào)度云服務(wù)系統(tǒng)建設(shè)
7．1 系統(tǒng)集成關(guān)鍵技術(shù)研究
7．2 水庫群智能調(diào)度云服務(wù)系統(tǒng)平臺(tái)架構(gòu)
7．3 水庫群智能調(diào)度云服務(wù)系統(tǒng)技術(shù)集成
第8章 水庫群智能調(diào)度云服務(wù)系統(tǒng)應(yīng)用示范
8．1 示范區(qū)域概況
8．2 研究成果與集成內(nèi)容
參考文獻(xiàn)