| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 空气污染的控制历程 | 第10-11页 |
| 1.2.2 PM2.5预测研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-15页 |
| 1.3.1 主要研究内容和思路 | 第12-13页 |
| 1.3.2 论文组织架构 | 第13-14页 |
| 1.3.3 本文创新点 | 第14-15页 |
| 第2章 随机森林算法概述 | 第15-21页 |
| 2.1 随机森林原理介绍 | 第15-16页 |
| 2.1.1 随机森林定义 | 第15页 |
| 2.1.2 随机森林的随机性 | 第15-16页 |
| 2.2 随机森林的构建 | 第16-17页 |
| 2.3 OOB数据及其作用 | 第17-19页 |
| 2.3.1 泛化误差与OOB估计 | 第17-19页 |
| 2.3.2 特征评估与选择 | 第19页 |
| 2.4 本章小结 | 第19-21页 |
| 第3章 PM2.5实验数据获取与预处理 | 第21-33页 |
| 3.1 基于Scrapy的PM2.5实验数据获取方法 | 第21-26页 |
| 3.1.1 Scrapy框架介绍 | 第21-22页 |
| 3.1.2 Scrapy爬取PM2.5实验数据的具体实现 | 第22-25页 |
| 3.1.3 数据表结构设计 | 第25-26页 |
| 3.2 PM2.5实验数据的预处理 | 第26-31页 |
| 3.2.1 数据集成与规约 | 第27页 |
| 3.2.2 数据清洗 | 第27-30页 |
| 3.2.3 数据变换 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 PM2.5实验数据影响因素相关分析 | 第33-45页 |
| 4.1 相关分析理论 | 第33-34页 |
| 4.2 PM2.5与大气污染物之间的相关分析与仿真 | 第34-36页 |
| 4.3 PM2.5与气象条件之间的相关分析与仿真 | 第36-38页 |
| 4.4 相关性探索 | 第38-42页 |
| 4.4.1 PM2.5与季节之间的相关性探索 | 第39-40页 |
| 4.4.2 PM2.5与前3日大气污染物和气象条件之间的相关性探索 | 第40-42页 |
| 4.5 本章小结 | 第42-45页 |
| 第5章 基于随机森林的PM2.5浓度预测模型 | 第45-61页 |
| 5.1 RFP模型的设计与实现 | 第45-49页 |
| 5.1.1 RFP模型的总体设计思想 | 第45-47页 |
| 5.1.2 RFP模型的技术实现 | 第47-48页 |
| 5.1.3 性能评价指标 | 第48-49页 |
| 5.2 实验方案 | 第49-52页 |
| 5.2.1 特征选择 | 第49-50页 |
| 5.2.2 参数优化 | 第50-52页 |
| 5.3 实验结果分析 | 第52-59页 |
| 5.3.1 模型优化 | 第53-56页 |
| 5.3.2 算法对比分析 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间取得的研究成果 | 第67-69页 |
| 致谢 | 第69-70页 |
