大气细颗粒物在线监测仪器及预测模型的关键技术研究
中文摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-16页 |
1.1 课题背景 | 第9-11页 |
1.2 大气细颗粒物的性质、危害及来源 | 第11-12页 |
1.3 大气细颗粒物浓度监测及预测技术发展与现状 | 第12-14页 |
1.4 论文的主要工作 | 第14-16页 |
第二章 大气细颗粒物浓度监测仪器的设计 | 第16-31页 |
2.1 β 射线物理性质 | 第16-18页 |
2.2 β 射线吸收技术原理 | 第18-20页 |
2.3 大气细颗粒物浓度监测仪器的基本结构 | 第20-30页 |
2.3.1 仪器的总体设计方案 | 第20-21页 |
2.3.2 恒流采样系统 | 第21-25页 |
2.3.3 β 射线检测系统 | 第25-27页 |
2.3.4 滤纸适配器系统 | 第27-28页 |
2.3.5 动态加热系统 | 第28-30页 |
2.4 本章小结 | 第30-31页 |
第三章 大气细颗粒物浓度监测仪器的准确性研究 | 第31-39页 |
3.1 仪器测量的准确性研究 | 第31-37页 |
3.1.1 研究的选材和方法 | 第31-32页 |
3.1.2 影响质量吸收系数的因素分析 | 第32-37页 |
3.2 仪器的标定和校准 | 第37-38页 |
3.3 本章小结 | 第38-39页 |
第四章 大气细颗粒物浓度预测技术研究 | 第39-56页 |
4.1 神经网络预测概述 | 第39-45页 |
4.1.1 BP神经网络模型原理 | 第40-43页 |
4.1.2 RBF神经网络模型原理 | 第43-45页 |
4.2 预测模型的数据处理 | 第45-47页 |
4.2.1 影响因子分析 | 第45-46页 |
4.2.2 模型数据预处理 | 第46-47页 |
4.3 MATLAB实现及分析比较 | 第47-55页 |
4.3.1 BP神经网络模型预测 | 第47-49页 |
4.3.2 RBF神经网络模型预测 | 第49-50页 |
4.3.3 BP和RBF神经网络预测模型对比 | 第50-55页 |
4.4 本章小结 | 第55-56页 |
第五章 总结与展望 | 第56-58页 |
5.1 研究工作总结 | 第56-57页 |
5.2 工作展望 | 第57-58页 |
参考文献 | 第58-62页 |
发表论文和参加科研情况说明 | 第62-63页 |
附录 | 第63-66页 |
致谢 | 第66-67页 |