首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--大气监测论文

基于联邦学习的空气质量监测系统设计与实现

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-18页
    1.1 研究背景与意义第10-12页
    1.2 研究现状第12-14页
        1.2.1 空气质量监测与预测方面的研究第12-13页
        1.2.2 分布式模型训练算法第13-14页
    1.3 主要研究内容第14-16页
    1.4 论文结构第16-18页
第二章 相关技术第18-30页
    2.1 深度神经网络模型第18-23页
        2.1.1 RNN与LSTM网络模型第18-20页
        2.1.2 CNN与Resnet网络模型第20-23页
    2.2 分布式模型训练与联邦学习算法第23-24页
    2.3 GN算法第24-27页
        2.3.1 无权GN算法第25-26页
        2.3.2 带权GN算法第26-27页
    2.4 TensorFlow平台以及TFLearn开发库第27-28页
    2.5 本章小结第28-30页
第三章 基于联邦学习的空气质量监测系统设计第30-46页
    3.1 系统总体设计第30-32页
    3.2 数据预处理模块设计第32-35页
        3.2.1 天气数据与空气质量数据的预处理第32-33页
        3.2.2 天空图像数据的预处理第33-35页
    3.3 区域划分模块设计第35-36页
    3.4 通信模块设计第36-38页
        3.4.1 发送功能第36-37页
        3.4.2 接收功能第37-38页
    3.5 模型联合模块设计第38-40页
        3.5.1 模型联合功能第38-39页
        3.5.2 全局调控功能第39-40页
    3.6 区域模型训练模块设计第40-42页
        3.6.1 天气和空气质量的历史数据模型第41页
        3.6.2 天空照片数据模型第41-42页
    3.7 系统的拓展与讨论第42-43页
    3.8 本章小结第43-46页
第四章 基于联邦学习的空气质量监测系统实现第46-58页
    4.1 系统开发环境与平台搭建第46-48页
        4.1.1 开发工具第46-47页
        4.1.2 开发语言第47页
        4.1.3 第三方库第47-48页
    4.2 数据预处理模块的实现第48-50页
        4.2.1 天气与空气质量预处理第48-49页
        4.2.2 天空图片预处理第49-50页
    4.3 区域划分模块实现第50页
    4.4 通信模块实现第50-52页
        4.4.1 发送功能第51页
        4.4.2 接收功能第51-52页
    4.5 模型联合模块实现第52-53页
    4.6 区域模型训练模块实现第53-57页
        4.6.1 LSTM神经网络的搭建第54-55页
        4.6.2 Resnet神经网络的搭建第55-57页
    4.7 本章小结第57-58页
第五章 系统测试与性能分析第58-66页
    5.1 实验数据集与实验环境第58页
    5.2 功能测试第58-60页
    5.3 性能分析第60-64页
        5.3.1 区域划分效果评估第60-61页
        5.3.2 基于天气和空气质量历史数据的PM2.5浓度等级监测性能评估第61-62页
        5.3.3 基于天空图像的PM2.5浓度等级监测性能评估第62-64页
    5.4 本章小结第64-66页
第六章 总结与展望第66-68页
    6.1 总结第66页
    6.2 展望第66-68页
参考文献第68-72页
致谢第72-74页
作者攻读学位期间发表的学术论文与研究成果第74页

论文共74页,点击 下载论文
上一篇:普惠性民办幼儿园认定标准政策的内容分析
下一篇:废旧电路板上元器件的环境友好拆解及铝电容器和晶体管的资源化回收