| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 选题的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 预测因子筛选方法的研究现状 | 第8-9页 |
| 1.2.2 预测因子预报的研究现状 | 第9页 |
| 1.2.3 预测模型的研究现状 | 第9-10页 |
| 1.3 全文主要工作安排 | 第10-12页 |
| 1.4 论文的创新及意义 | 第12页 |
| 1.5 全文组织结构 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 第二章 成都市空气质量指数(AQI)预测研究相关技术 | 第14-20页 |
| 2.1 预测因子的筛选方法 | 第14-15页 |
| 2.2 预测因子预报 | 第15-17页 |
| 2.2.1 集合预报 | 第15-16页 |
| 2.2.2 贝叶斯模型平均(BMA)方法 | 第16-17页 |
| 2.2.3 期望最大化(EM)算法 | 第17页 |
| 2.3 预测模型 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 资料准备及预测因子筛选 | 第20-25页 |
| 3.1 资料准备 | 第20-21页 |
| 3.1.1 数据准备及分析 | 第20-21页 |
| 3.1.2 预测对象 | 第21页 |
| 3.2 成都市AQI的预测因子筛选 | 第21-24页 |
| 3.2.1 污染物因子的筛选 | 第21-22页 |
| 3.2.2 基于转移熵的气象因子筛选 | 第22-23页 |
| 3.2.3 预测因子筛选结果 | 第23-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第四章 成都市AQI的气象因子预报 | 第25-42页 |
| 4.1 基于BMA方法的集合预报 | 第25-28页 |
| 4.1.1 基于BMA方法的集合预报步骤 | 第25-26页 |
| 4.1.2 EM算法估计BMA模型参数 | 第26-27页 |
| 4.1.3 BMA模型训练周期评估 | 第27页 |
| 4.1.4 集合预报实验结果评价指标 | 第27-28页 |
| 4.2 基于BMA方法的成都市气象因子集合预报 | 第28-40页 |
| 4.2.1 温度和气压分布分析 | 第28-29页 |
| 4.2.2 温度实验结果对比及分析 | 第29-30页 |
| 4.2.3 气压实验结果对比及分析 | 第30-32页 |
| 4.2.4 降水量分布分析 | 第32-33页 |
| 4.2.5 降水量实验结果对比及分析 | 第33-34页 |
| 4.2.6 风向分布分析 | 第34-35页 |
| 4.2.7 风向实验结果对比及分析 | 第35-37页 |
| 4.2.8 风速和能见度分布分析 | 第37页 |
| 4.2.9 风速实验结果对比及分析 | 第37-39页 |
| 4.2.10 能见度实验结果对比及分析 | 第39-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第五章 成都市AQI预测模型的构建及应用 | 第42-53页 |
| 5.1 定性BP神经网络预测模型 | 第42-45页 |
| 5.1.1 模型构建过程 | 第42-43页 |
| 5.1.2 实验结果对比与分析 | 第43-45页 |
| 5.2 定量BP神经网络预测模型 | 第45-48页 |
| 5.2.1 模型构建过程 | 第45页 |
| 5.2.2 实验评价指标 | 第45-46页 |
| 5.2.3 实验结果对比与分析 | 第46-48页 |
| 5.3 定性定量嵌套的BP神经网络预测模型 | 第48-52页 |
| 5.3.1 模型构建过程 | 第48-50页 |
| 5.3.2 实验结果对比与分析 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者在读期间科研成果简介 | 第59-60页 |
| 致谢 | 第60页 |