| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 面临问题 | 第10-11页 |
| 1.3 现存方法及不足 | 第11-13页 |
| 1.3.1 扩散模型 | 第11-13页 |
| 1.3.2 溯源模型 | 第13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 论文章节安排 | 第14-16页 |
| 第二章 溯源原始模型 | 第16-28页 |
| 2.1 激活力理论概述及应用 | 第16-20页 |
| 2.2 大气污染溯源原始模型搭建 | 第20-24页 |
| 2.3 聚类处理应用于大气污染溯源原始模型 | 第24-26页 |
| 2.3.1 亲和度计算 | 第24-25页 |
| 2.3.2 社区发现算法概述及应用 | 第25页 |
| 2.3.3 聚类结果应用于原始模型 | 第25-26页 |
| 2.4 存在的一些问题 | 第26-28页 |
| 第三章 循环神经网络应用于激活力溯源模型 | 第28-36页 |
| 3.1 深度学习概述 | 第28-30页 |
| 3.1.1 深度学习和深度神经网络 | 第28-29页 |
| 3.1.2 循环神经网络 | 第29-30页 |
| 3.2 循环神经网络模型搭建 | 第30-32页 |
| 3.3 RNN结果应用于溯源 | 第32-36页 |
| 第四章 实验数据及结果分析 | 第36-64页 |
| 4.1 实验数据来源以及处理 | 第36-43页 |
| 4.1.1 实验数据来源 | 第36-38页 |
| 4.1.2 实验数据处理 | 第38-43页 |
| 4.2 大气污染溯源模型实验结果 | 第43-55页 |
| 4.2.1 原始溯源模型结果展示 | 第43-50页 |
| 4.2.2 聚类融入原始模型的结果展示 | 第50-55页 |
| 4.3 基于循环神经网络大气污染建模结果展示 | 第55-61页 |
| 4.3.1 循环神经网络大气污染建模正确性验证 | 第55-56页 |
| 4.3.2 循环神经网络融入原始激活力模型结果展示 | 第56-61页 |
| 4.4 实验总结 | 第61-64页 |
| 第五章 总结与展望 | 第64-68页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-68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目录 | 第74页 |