| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 PM_(2.5)预测研究进展 | 第14-16页 |
| 1.2.2 随机森林算法研究进展 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 创新点 | 第18页 |
| 1.5 论文结构 | 第18-21页 |
| 第二章 随机森林研究方法 | 第21-31页 |
| 2.1 随机森林原理与性质 | 第21-24页 |
| 2.1.1 随机森林原理 | 第21-23页 |
| 2.1.2 随机森林性质 | 第23-24页 |
| 2.2 基于OOB误差估计的变量选择方法 | 第24-25页 |
| 2.3 随机森林算法步骤 | 第25-31页 |
| 2.3.1 随机森林单棵决策树生成算法 | 第25-29页 |
| 2.3.2 随机森林组合算法 | 第29-31页 |
| 第三章 研究区域与数据 | 第31-41页 |
| 3.1 研究区域概况 | 第31-32页 |
| 3.2 数据来源 | 第32-33页 |
| 3.3 数据预处理 | 第33-38页 |
| 3.3.1 缺失值处理 | 第33-37页 |
| 3.3.2 输入因子的改进 | 第37-38页 |
| 3.4 上海市PM_(2.5)变化特征 | 第38-41页 |
| 3.4.1 月际变化分析 | 第38-39页 |
| 3.4.2 周际变化分析 | 第39-41页 |
| 第四章 相关分析与仿真 | 第41-55页 |
| 4.1 相关分析 | 第41-46页 |
| 4.1.1 相关分析原理 | 第41-42页 |
| 4.1.2 PM_(2.5)与其他污染物之间的相关分析 | 第42-44页 |
| 4.1.3 PM_(2.5)与气象因子之间的相关分析 | 第44-46页 |
| 4.2 PM_(2.5)质量浓度逐步回归仿真 | 第46-55页 |
| 4.2.1 逐步回归原理 | 第47-48页 |
| 4.2.2 PM_(2.5)质量浓度逐步回归模型 | 第48-52页 |
| 4.2.3 回归诊断 | 第52-55页 |
| 第五章 基于随机森林的PM_(2.5)小时浓度预测 | 第55-77页 |
| 5.1 PM_(2.5)污染物1～6小时逐小时质量浓度值预测 | 第55-69页 |
| 5.1.1 数据准备 | 第55-56页 |
| 5.1.2 预测步骤 | 第56-58页 |
| 5.1.3 构建模型 | 第58-64页 |
| 5.1.4 结果分析 | 第64-69页 |
| 5.2 PM_(2.5)污染物6～12、12～24、24～48小时浓度极值预测 | 第69-77页 |
| 5.2.1 数据准备 | 第69-70页 |
| 5.2.2 预测步骤 | 第70-71页 |
| 5.2.3 构建模型 | 第71-72页 |
| 5.2.4 结果分析 | 第72-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85页 |
