| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究内容和方法 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 基于统计学方法的概述 | 第14-25页 |
| 2.1 回归分析基本原理 | 第14-19页 |
| 2.1.1 多元回归逐步剔除方法 | 第16-18页 |
| 2.1.2 多元回归逐步引进方法 | 第18-19页 |
| 2.2 概率回归基本原理 | 第19-20页 |
| 2.3 时间序列分析的基本原理 | 第20-22页 |
| 2.4 卡尔曼滤波法基本原理 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 多元逐步回归与卡尔曼滤波法在霾预报中的应用 | 第25-44页 |
| 3.1 前言 | 第25页 |
| 3.2 双重检验多元逐步回归 | 第25-32页 |
| 3.3 多元逐步回归与卡尔曼滤波预报订正模型建立 | 第32-37页 |
| 3.4 实验结果 | 第37-43页 |
| 3.4.1 实验平台和资料 | 第37-39页 |
| 3.4.2 实验结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于时间序列和卡尔曼滤波的霾预报模型 | 第44-62页 |
| 4.1 前言 | 第44页 |
| 4.2 时间序列分析 | 第44-46页 |
| 4.2.1 ARIMA模型 | 第44-45页 |
| 4.2.2 差分运算 | 第45-46页 |
| 4.3 时间序列与卡尔曼滤波模型建立 | 第46-48页 |
| 4.4 实验结果 | 第48-61页 |
| 4.4.1 实验资料和模型 | 第48-58页 |
| 4.4.2 实验结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简介 | 第70页 |
| 攻读学位期间学习情况 | 第70页 |
| 攻读学位期间发表的学术论文 | 第70页 |
| 攻读学位期间取得的其他学术成果 | 第70页 |