导读:本文包含了铁路数据资源论文开题报告文献综述及选题提纲参考文献，主要关键词:通信,承载网,资源数据,逻辑关系
铁路数据资源论文文献综述
胡新,杨博[1]（2017）在《铁路通信承载网资源数据信息解析》一文中研究指出介绍通信网中用于资源管理的数据特征,结合铁路资源管理的需要,分类梳理铁路通信承载网所需的资源数据信息,对主要资源数据信息间的逻辑关系进行说明。解析建立了统一、规范的资源数据构架,并对实现标准统一、数据共享的资源管理自动化手段进行了基础性研究。(本文来源于《铁道通信信号》期刊2017年12期）
王玥瑄[2]（2017）在《大数据对铁路档案信息资源开发的影响》一文中研究指出2011年5月,美国麦肯锡公司发布的《大数据:创新、竞争和生产力的下一个前沿领域》报告,首次提出了大数据的概念。"数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素"。人们习惯上用4个"V"来进行描述大数据的特点,Volume(信息量)、Variety(信息种类)、Value(信息价值)、Velocity(信息处理速度)。即数据体量巨大、数据类型繁多、价值密度低、(本文来源于《兰台世界》期刊2017年S2期）
张治鹏[3]（2017）在《铁路数据网网络资源管理中的网络流量趋势研究》一文中研究指出随着铁路信息化的快速发展和业务多样化的需要,铁路数据网成为承载铁路各MIS系统数据交互、视频会议、视频监控等通信信息的主要平台,构建在铁路数据网上的应用越来越多,其复杂程度和对网络的依赖程度日益增高。各业务对带宽需求也越来越大,如何更好地了解网络流量状况对网络进行合理的带宽分配成为了铁路数据网网络资源管理研究中的关键问题。基于流属性的网络流量模型是网络性能分析和网络带宽分配的基础,精准的网络流量模型对于业务流量预测、网络拓扑设计、网络性能都有重要的意义。因此,通过统计分析铁路业务流量和各业务子网流量行为特性建立高效的网络流量分析预测模型是实现网络带宽分配的前提,也是实现铁路数据网智能化调配的首要研究课题。但是,目前铁路数据网流量分析停留在简单粗略的监控,流量精确统计、流量预测技术等还有待研究。本文基于网络流量采集以及流量建模的研究,针对铁路数据网承载业务特性,设计基于业务的流量统计方案并且采用分数差分自回归和滑动平均模型对铁路实际网络流量数据进行建模分析和预测。主要研究内容包括以下几个方面:(1)分析归纳了铁路数据网业务承载特性及IP地址分配规律,在此基础上,研究分析相关流量统计技术方法的优劣性,重点分析了 NetFlow技术的数据采集、缓存、老化机制以及聚合策略。设计基于源IP地址前缀匹配聚合策略方法,建立铁路业务系统流量统计方案,为未来基于业务流量预测的带宽分配提供数据基础。(2)根据铁路数据网流量的自相似性和复杂性特点,分析网络流量模型的优缺点,选择分数自回归整合滑动平均(Fractal Autoregressive Integrated Moving Average,FARIMA)模型作为文章的建模分析技术。为了简化FARIMA模型分析算法的复杂度,本文将FARIMA模型分解为差分过程和ARMA过程。通过仿真验证了 FARIMA模型的长相关性,并且对铁路数据网实际流量数据进行FARIMA建模预测。通过与ARMA模型预测拟合对比分析验证FARIMA模型预测的精准度,实验结果证明FARIMA建模预测分析拟合度较高,能够作为铁路数据网网络流量趋势预测分析。本文得出的预测数据能够对网络进行动态带宽分配,对于铁路数据网业务而言,预测出每一个业务流量趋势能够实现各业务子系统VPN带宽分配,在业务网络繁忙时,能够提前预知并且扩大带宽,避免丢包、延时等网络性能的劣化,保障铁路数据网运行安全。在业务网络空闲时,能够合理规划带宽分配,节省带宽资源。(本文来源于《北京交通大学》期刊2017-04-01）
张育萍[4]（2016）在《神朔铁路数据中心存储平台资源整合及优化》一文中研究指出文章分析了神朔铁路数据中心既有存储平台的现状及需求,提出了对神朔铁路数据中心既有存储平台资源整合及优化配置方案。(本文来源于《信息通信》期刊2016年05期）
任渠蓉[5]（2013）在《基于数据仓库技术在铁路数据资源整合中的应用分析》一文中研究指出文中基于数据仓库技术在铁路数据资源整合,分析了铁路数据资源整合的必要性,在铁路数据资源整合模型设计中,完成了数据整合的模式、数据仓库技术的铁路系统主题和数据仓库设计的逻辑性的分析,这一研究对于铁路信息化的发展具有一定的借鉴意义。(本文来源于《硅谷》期刊2013年05期）
戴国华,董宝田,李明辉,谢彬[6]（2009）在《铁路数据资源整合的分析与设计》一文中研究指出运用数据仓库技术来整合铁路数据资源可以更有效地实现跨平台数据集中、多部门信息共享以及综合信息决策支持。简要介绍数据仓库概念及铁路资源分类和主题设计,在此基础上提出基于数据仓库技术的铁路数据资源整合模型的设计思路。(本文来源于《铁路计算机应用》期刊2009年11期）
戴国华[7]（2009）在《数据仓库技术在铁路数据资源整合中的应用研究》一文中研究指出我国铁路信息系统经过多年的建设已经具备了较为完善的业务系统,并积累了海量业务数据。但是,这些数据分散在多个独立系统中,形成众多“信息孤岛”,信息分散,数据应用水平不高,难以为决策者提供综合、高效、准确的信息。为解决上述问题,促进铁路大发展,需要运用数据仓库技术将这些数据进行有效地整合、提炼、加工处理和发现信息,以更好的支持决策分析并最终为各级决策管理者提供及时、准确、科学的辅助决策依据。本文概要介绍了数据资源整合技术的国内外发展概况,数据仓库知识及相关技术,作为后面各章节对数据仓库理论深入研究以及实际应用中合理构建数据仓库的基础。通过对铁路数据资源的详细分类分析,提出了铁路系统的相关主题,选取其中的客货营销主题中的发送特征分析子主题,结合前面章节对数据仓库理论的研究,对目标主题进行了详细分析并具体建模。在SAS平台上实现了货票数据仓库整合。这也实现了铁路数据资源在数据仓库内的完全整合,构造统一的数据存储结构,为数据的分析和利用以及今后对数据的深度、广度挖掘提供了标准的、全面的数据源。同时提出了SAS与Web服务器相结合的方式来弥补SAS系统在Web环境下应用的不足,通过利用SAS/IntrNet实现SAS的Web应用。这给Web用户带来了方便,也解决Web响应能力弱的问题,为基于B/S结构的数据挖掘系统、决策支持系统的开发提供了一条有效的技术路线。实现全路范围内的信息资源共享,实现信息资源的充分交换。以便在大量准确信息资源累积的基础上,在数据仓库先进技术平台上,进行决策方面的数据挖掘,从而为铁路企业提供决策支持服务。本文以客货营销主题中的发送特征分析子主题为例详细分析了其数据整合过程,实现运用数据仓库技术结合SAS工具来整合铁路数据资源,同时通过Web浏览器将综合、高效、准确的决策信息提供给决策者,从而实现铁路决策信息资源共享。数据仓库技术应用到铁路数据资源整合中,将有助于打破其“信息孤岛”,实现数据共享,统一分析平台的数据环境,为高质量的决策提供坚实的数据基础。(本文来源于《北京交通大学》期刊2009-06-01）
谢彬[8]（2008）在《基于数据仓库技术的铁路数据资源整合问题研究》一文中研究指出我国铁路信息系统经过多年的建设已经具备了较为完善的业务及其支撑系统,并积累了海量业务数据。但是,这些数据分散在多个独立系统中,形成众多“信息孤岛”,信息分散、无法共享,数据完整性、一致性得不到很好的保证,数据应用水平不高,难以为决策者提供综合、高效、准确的信息。为解决上述问题,促进铁路跨越式发展,需要运用数据仓库技术将这些数据进行有效地整合、提炼、加工处理和发现信息,以更好的支持决策分析并最终为各级决策管理者提供及时、准确、科学的辅助决策依据。本文概要介绍了数据资源整合技术的国内外发展概况,数据仓库理论知识及相关技术,作为后面各章节对数据仓库理论深入研究以及实际应用中合理构建数据仓库的基础。重点研究了数据仓库的模型。在详细分析了铁路数据资源特点及共享需求的基础上,探讨针对铁路数据资源特点的数据仓库设计思想,提出了按叁级模式构建铁路数据仓库架构,并对铁路系统进行了详细的主题划分及主题功能界定;同时解决了传统数据仓库无法完成的低粒度数据查询问题及跨主题数据重组问题;最后基于通用数据模型分析构建数据仓库逻辑模型。本文针对货运发送特征分析主题,在SAS平台上实现了数据仓库架构的搭建,并实现了SAS与DBMS数据源连接抽取数据。在本课题研究的基础上,将实现铁路数据资源在数据仓库内的完全整合,构造统一的数据存储结构,为数据的分析和利用以及今后对数据的深度、广度挖掘提供了标准的、全面的数据源。(本文来源于《北京交通大学》期刊2008-05-01）
铁路数据资源论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
2011年5月,美国麦肯锡公司发布的《大数据:创新、竞争和生产力的下一个前沿领域》报告,首次提出了大数据的概念。"数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素"。人们习惯上用4个"V"来进行描述大数据的特点,Volume(信息量)、Variety(信息种类)、Value(信息价值)、Velocity(信息处理速度)。即数据体量巨大、数据类型繁多、价值密度低、
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
铁路数据资源论文参考文献
[1].胡新,杨博.铁路通信承载网资源数据信息解析[J].铁道通信信号.2017
[2].王玥瑄.大数据对铁路档案信息资源开发的影响[J].兰台世界.2017
[3].张治鹏.铁路数据网网络资源管理中的网络流量趋势研究[D].北京交通大学.2017
[4].张育萍.神朔铁路数据中心存储平台资源整合及优化[J].信息通信.2016
[5].任渠蓉.基于数据仓库技术在铁路数据资源整合中的应用分析[J].硅谷.2013
[6].戴国华,董宝田,李明辉,谢彬.铁路数据资源整合的分析与设计[J].铁路计算机应用.2009
[7].戴国华.数据仓库技术在铁路数据资源整合中的应用研究[D].北京交通大学.2009
[8].谢彬.基于数据仓库技术的铁路数据资源整合问题研究[D].北京交通大学.2008