| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状综述 | 第11-13页 |
| 1.2.1 空气质量区域间联动性研究 | 第11-12页 |
| 1.2.2 空气质量影响因素研究 | 第12-13页 |
| 1.3 研究方案 | 第13-16页 |
| 1.3.1 研究思路 | 第13-14页 |
| 1.3.2 研究内容 | 第14-16页 |
| 1.3.3 研究贡献与创新 | 第16页 |
| 1.4 数据来源及数据清洗 | 第16-18页 |
| 第2章 我国城市空气质量时空变化特征 | 第18-33页 |
| 2.1 我国空气质量指数(AQI)简介 | 第18-20页 |
| 2.1.1 空气质量指数计算方法 | 第18-19页 |
| 2.1.2 空气质量指数评价分级标准 | 第19-20页 |
| 2.2 我国空气质量时空特征分析地区筛选 | 第20-22页 |
| 2.2.1 地区筛选标准 | 第20页 |
| 2.2.2 地区筛选结果 | 第20-22页 |
| 2.3 AQI的时空分布特征 | 第22-25页 |
| 2.3.1 AQI的空间分布情况 | 第22-24页 |
| 2.3.2 AQI的季节分布情况 | 第24-25页 |
| 2.4 首要污染物的时空分布特征 | 第25-33页 |
| 2.4.1 首要污染物的空间分布情况 | 第25-28页 |
| 2.4.2 首要污染物的季节分布情况 | 第28-33页 |
| 第3章 模型构建相关理论说明 | 第33-39页 |
| 3.1 时间序列数据聚类分析方法 | 第33-35页 |
| 3.1.1 动态时间规整算法(DTW)理论介绍 | 第33页 |
| 3.1.2 系统聚类理论介绍 | 第33-34页 |
| 3.1.3 动态时间规整算法与系统聚类的结合应用 | 第34-35页 |
| 3.2 VAR自回归格兰杰因果关系检验 | 第35-36页 |
| 3.2.1 格兰杰因果关系检验理论介绍 | 第35-36页 |
| 3.2.2 应用中存在的问题 | 第36页 |
| 3.3 社会网络分析方法 | 第36-39页 |
| 3.3.1 整体网络特征分析指标 | 第36-37页 |
| 3.3.2 个体网络特征分析指标 | 第37-39页 |
| 第4章 我国重点区域空气质量联动性网络构建 | 第39-49页 |
| 4.1 数据选取 | 第39页 |
| 4.2 146 座代表城市空气质量变化趋势相似性聚类 | 第39-41页 |
| 4.2.1 动态时间规整算法(DTW)与系统聚类结合应用与改进 | 第39-40页 |
| 4.2.2 聚类结果分析 | 第40-41页 |
| 4.3 重点区域空气质量联动网络构建 | 第41-45页 |
| 4.3.1 重点区域的选取 | 第41-42页 |
| 4.3.2 格兰杰因果关系前提检验 | 第42-43页 |
| 4.3.3 城市间空气质量传播方向确定 | 第43-45页 |
| 4.3.4 联动网络构建结果 | 第45页 |
| 4.4 重点区域空气质量联动网络特征分析 | 第45-49页 |
| 4.4.1 整体网络特征分析 | 第46页 |
| 4.4.2 网络中各城市节点特征分析 | 第46-49页 |
| 第5章 我国重点城市空气质量影响因素探究—以北京市为例 | 第49-56页 |
| 5.1 数据选取 | 第49页 |
| 5.2 北京市空气质量影响因素指标选择 | 第49-51页 |
| 5.3 北京市空气质量影响因素分析 | 第51-55页 |
| 5.3.1 熵权动态时间规整算法简介 | 第51-52页 |
| 5.3.2 各指标对PM10污染物浓度的影响程度 | 第52-53页 |
| 5.3.3 各指标对PM2.5污染物浓度的影响程度 | 第53-55页 |
| 5.4 北京市空气质量影响因素重要性分析 | 第55-56页 |
| 第6章 结论与展望 | 第56-59页 |
| 6.1 研究结论 | 第56-57页 |
| 6.2 建议 | 第57-58页 |
| 6.3 不足与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间取得的成果 | 第62-63页 |
| 致谢 | 第63-64页 |
