| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究的目的及意义 | 第14页 |
| 1.3 PM2.5 来源分析 | 第14页 |
| 1.4 PM2.5 的组成 | 第14-16页 |
| 1.4.1 无机元素 | 第14-15页 |
| 1.4.2 水溶性无机离子 | 第15页 |
| 1.4.3 含碳组分 | 第15-16页 |
| 1.5 PM2.5 的危害 | 第16-17页 |
| 1.5.1 对大气环境的影响 | 第16页 |
| 1.5.2 对人体健康的影响 | 第16-17页 |
| 1.6 国内外研究进展 | 第17页 |
| 1.7 资料来源与处理方法 | 第17-18页 |
| 1.7.1 主要数据来源 | 第17页 |
| 1.7.2 研究方法及重点 | 第17-18页 |
| 1.8 创新点及文章组织结构 | 第18-19页 |
| 1.8.1 创新点 | 第18页 |
| 1.8.2 文章组织结构 | 第18-19页 |
| 第2章 济南PM2.5 浓度分布特征 | 第19-25页 |
| 2.1 济南PM2.5 浓度年度变化特征 | 第19-21页 |
| 2.2 济南PM2.5 浓度频率分析 | 第21-22页 |
| 2.3 不同季度PM2.5 质量浓度概率密度分布 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 PM2.5 浓度与气象条件的相关性 | 第25-31页 |
| 3.1 PM2.5 浓度与风向风速的关系 | 第25-26页 |
| 3.2 PM2.5 浓度与相对湿度的关系 | 第26-27页 |
| 3.3 PM2.5 浓度与日照时数的关系 | 第27-28页 |
| 3.4 PM2.5 浓度与气温的关系 | 第28-29页 |
| 3.5 PM2.5 浓度与气压的关系 | 第29页 |
| 3.6 PM2.5 浓度与降水量的关系 | 第29-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第4章 统计预报模型的建立 | 第31-55页 |
| 4.1 日均PM2.5 预报统计模型建立 | 第31-46页 |
| 4.1.1 日均PM2.5 多元线性回归模型的建立与检验 | 第31-34页 |
| 4.1.2 日均PM2.5 逐步回归模型的建立与检验 | 第34-40页 |
| 4.1.3 日均PM2.5 主成分分析模型的建立与检验 | 第40-43页 |
| 4.1.4 日均PM2.5 偏最小二乘模型建立与检验 | 第43-46页 |
| 4.2 日最大PM2.5 统计预报模型的建立 | 第46-54页 |
| 4.2.1 日最大PM2.5 多元线性回归模型的建立与检验 | 第46-49页 |
| 4.2.2 日最大PM2.5 逐步回归模型的建立与检验 | 第49-52页 |
| 4.2.3 日最大PM2.5 主成分分析模型的建立与检验 | 第52-53页 |
| 4.2.4 日最大PM2.5 偏最小二乘回归模型的建立与检验 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 统计预报模型逐季优化与预报模型集成 | 第55-83页 |
| 5.1 春季统计预报模型优化 | 第55-62页 |
| 5.1.1 春季日均PM2.5 多元线性回归模型 | 第55-56页 |
| 5.1.2 春季日均PM2.5 逐步回归模型 | 第56-57页 |
| 5.1.3 春季日最大PM2.5 浓度多元回归模型 | 第57页 |
| 5.1.4 春季日最大PM2.5 浓度逐步回归模型 | 第57-58页 |
| 5.1.5 春季数据主成分分析模型建立 | 第58-61页 |
| 5.1.6 春季数据偏最小二乘回归模型的建立 | 第61-62页 |
| 5.2 夏季统计预报模型优化 | 第62-68页 |
| 5.2.1 夏季日均PM2.5 浓度多元线性回归模型 | 第62页 |
| 5.2.2 夏季日均PM2.5 浓度逐步回归模型 | 第62-63页 |
| 5.2.3 夏季日最大PM2.5 浓度多元线性回归模型 | 第63-64页 |
| 5.2.4 夏季日最大PM2.5 浓度逐步回归模型 | 第64-65页 |
| 5.2.5 夏季数据主成分分析模型的建立 | 第65-67页 |
| 5.2.6 夏季数据偏最小二乘回归模型的建立 | 第67-68页 |
| 5.3 秋季统计预报模型优化 | 第68-74页 |
| 5.3.1 秋季日均PM2.5 浓度多元线性回归模型建立 | 第68-69页 |
| 5.3.2 秋季日均PM2.5 浓度逐步回归模型建立 | 第69-70页 |
| 5.3.3 秋季日最大PM2.5 浓度多元线性回归模型建立 | 第70页 |
| 5.3.4 秋季日最大PM2.5 浓度逐步回归模型建立 | 第70-71页 |
| 5.3.5 秋季数据主成分分析模型建立 | 第71-73页 |
| 5.3.6 秋季数据偏最小二乘回归模型的建立 | 第73-74页 |
| 5.4 冬季统计预报模型优化 | 第74-80页 |
| 5.4.1 日均PM2.5 浓度多元线性回归模型 | 第74页 |
| 5.4.2 冬季日均PM2.5 浓度逐步回归模型 | 第74-75页 |
| 5.4.3 冬季日最大PM2.5 浓度多元线性回归模型 | 第75-76页 |
| 5.4.4 冬季日最大PM2.5 浓度逐步回归模型 | 第76-77页 |
| 5.4.5 冬季数据主成分分析模型建立 | 第77-79页 |
| 5.4.6 冬季数据偏最小二乘回归模型的建立 | 第79-80页 |
| 5.5 PM2.5 综合预报模式集成设计 | 第80-82页 |
| 5.5.1 应用Matlab程序集成设计平台界面 | 第80-81页 |
| 5.5.2 回调程序的编写与输出拟合 | 第81-82页 |
| 5.6 本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 创新点 | 第84页 |
| 6.3 展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 在学期间主要科研成果 | 第91页 |
| 一、发表学术论文 | 第91页 |
| 二、其它科研成果 | 第91页 |
