基于PM2.5的负氧离子浓度反演模型研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 负氧离子浓度检测和监测方法研究现状 | 第11-13页 |
| 1.2.2 负氧离子与其它环境因子关系研究现状 | 第13-14页 |
| 1.3 课题研究的内容和创新点 | 第14-17页 |
| 1.3.1 课题研究的内容 | 第14-15页 |
| 1.3.2 主要完成的工作 | 第15-16页 |
| 1.3.3 论文创新点 | 第16-17页 |
| 1.4 论文的结构安排 | 第17页 |
| 1.5 本章小结 | 第17-19页 |
| 2 负氧离子数据采集平台的搭建 | 第19-29页 |
| 2.1 负氧离子数据采集平台总体设计 | 第19页 |
| 2.2 负氧离子数据采集平台硬件相关设计 | 第19-24页 |
| 2.2.1 主控芯片选择与设计 | 第20页 |
| 2.2.2 负氧离子传感器设备选择与接口设计 | 第20-21页 |
| 2.2.3 颗粒物浓度检测传感器选择与设计 | 第21-22页 |
| 2.2.4 温湿度传感器硬件设计 | 第22-23页 |
| 2.2.5 无线GPRS模块硬件设计 | 第23页 |
| 2.2.6 按键模块接口设计 | 第23页 |
| 2.2.7 电源模块硬件设计 | 第23-24页 |
| 2.3 负氧离子数据采集平台软件设计 | 第24-26页 |
| 2.3.1 数据采集设备的程序设计 | 第24-25页 |
| 2.3.2 监控中心的设计 | 第25-26页 |
| 2.4 负氧离子数据采集平台功能验证 | 第26-27页 |
| 2.4.1 数据采集设备功能实现 | 第26页 |
| 2.4.2 服务器端功能实现 | 第26-27页 |
| 2.5 成本分析 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 模型算法概述与分析 | 第29-35页 |
| 3.1 非线性最小二乘算法介绍 | 第29页 |
| 3.2 BP神经网络算法介绍 | 第29-31页 |
| 3.2.1 BP神经网络算法的限制 | 第30-31页 |
| 3.3 支持向量机介绍 | 第31页 |
| 3.4 遗传算法介绍 | 第31-32页 |
| 3.4.1 遗传算法的主要操作方式 | 第32页 |
| 3.5 遗传算法优化BP神经网络 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 4 基于PM2.5的负氧离子浓度反演模型研究 | 第35-48页 |
| 4.1 模型数据输入输出参数确定 | 第35-38页 |
| 4.2 算法模型搭建 | 第38-43页 |
| 4.2.1 支持向量机在模型中的应用 | 第38-40页 |
| 4.2.2 传统BP在模型中的应用 | 第40-42页 |
| 4.2.3 改进BP算法在模型中的应用 | 第42-43页 |
| 4.3 算法模型验证 | 第43-47页 |
| 4.3.1 支持向量机的负氧离子浓度预测 | 第44-45页 |
| 4.3.2 传统BP的负氧离子浓度预测 | 第45-46页 |
| 4.3.3 优化BP的负氧离子浓度预测 | 第46-47页 |
| 4.4 本章总结 | 第47-48页 |
| 5 模型可行性与应用分析 | 第48-52页 |
| 5.1 算法模型的可行性分析 | 第48-50页 |
| 5.2 模型应用分析 | 第50-51页 |
| 5.3 本章总结 | 第51-52页 |
| 6 结论与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
