基于样本逼近的PM2.5预测算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第2章 相关知识简介 | 第21-29页 |
| 2.1 空气质量指数简介 | 第21-22页 |
| 2.2 采样方法介绍 | 第22-24页 |
| 2.2.1 过采样和欠采样 | 第22-23页 |
| 2.2.2 接受-拒绝采样 | 第23-24页 |
| 2.3 均匀分布和高斯分布 | 第24-25页 |
| 2.3.1 均匀分布 | 第24页 |
| 2.3.2 高斯分布 | 第24-25页 |
| 2.4 离散特征提取 | 第25-26页 |
| 2.5 特征降维 | 第26-27页 |
| 2.6 评价标准介绍 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 RMI插值算法 | 第29-37页 |
| 3.1 空气质量数据常用插值方法介绍 | 第29-30页 |
| 3.2 空气质量数据常用插值方法问题分析 | 第30-31页 |
| 3.3 RMI算法思想 | 第31-34页 |
| 3.4 RMI对比实验 | 第34-36页 |
| 3.4.1 数据介绍 | 第34-35页 |
| 3.4.2 异常值范围设定 | 第35页 |
| 3.4.3 实验结果与分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 样本逼近算法SA | 第37-44页 |
| 4.1 样本逼近算法研究现状 | 第37-38页 |
| 4.2 样本逼近算法存在的问题 | 第38页 |
| 4.3 SA算法思想 | 第38-43页 |
| 4.3.1 样本相似性计算 | 第38-40页 |
| 4.3.2 不均衡数据集上的逼近采样 | 第40页 |
| 4.3.3 SA算法流程 | 第40-42页 |
| 4.3.4 SA算法描述 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于SA的PM2.5预测算法及对比实验 | 第44-57页 |
| 5.1 基于样本逼近的SA-GBDT预测算法 | 第44-45页 |
| 5.2 基于样本逼近的SA-SVM预测算法 | 第45-46页 |
| 5.3 PM2.5预测算法对比试验与实验结果分析 | 第46-56页 |
| 5.3.1 实验数据介绍 | 第46-47页 |
| 5.3.2 数据分析 | 第47-49页 |
| 5.3.3 特征提取和特征选择 | 第49-50页 |
| 5.3.4 特征降维尺度选择 | 第50-51页 |
| 5.3.5 逼近预测算法参数选择 | 第51-54页 |
| 5.3.6 实验结果与分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 存在问题及展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
