基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 研究数据 | 第12-13页 |
| 1.2.2 研究方法 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第2章 研究区与数据处理 | 第18-22页 |
| 2.1 研究区概况 | 第18页 |
| 2.2 数据获取与处理 | 第18-22页 |
| 2.2.1 PM2.5实测数据 | 第18-19页 |
| 2.2.2 气象数据 | 第19-22页 |
| 第3章 PM2.5日均浓度污染等级预测 | 第22-40页 |
| 3.1 时间序列数据预测机理 | 第22-23页 |
| 3.2 ESN神经网络模型 | 第23-27页 |
| 3.2.1 ESN神经网络模型定义 | 第23-24页 |
| 3.2.2 ESN神经网络模型网络结构 | 第24-25页 |
| 3.2.3 ESN神经网络模型网络参数 | 第25-27页 |
| 3.3 ESN神经网络模型预测PM2.5日均浓度 | 第27-40页 |
| 3.3.1 数据样本选取 | 第27-29页 |
| 3.3.2 网络参数确定 | 第29-37页 |
| 3.3.3 不同模型比较 | 第37-40页 |
| 第4章 PM2.5日均浓度污染等级空间分布 | 第40-52页 |
| 4.1 空间特征参数分析 | 第40-45页 |
| 4.1.1 地统计学 | 第40-41页 |
| 4.1.2 空间特征参数 | 第41-43页 |
| 4.1.3 空间变异特征分析 | 第43-45页 |
| 4.2 空间分布分析 | 第45-52页 |
| 4.2.1 克里金插值 | 第45-48页 |
| 4.2.2 分级统计 | 第48-52页 |
| 第5章 结论与展望 | 第52-56页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 附录 | 第64页 |
