基于细颗粒物溯源和预测的空气监测系统设计与实现
| 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10-13页 |
| 1.2 国内外研究现状及分析 | 第13-16页 |
| 1.2.1 细颗粒物预测研究现状及分析 | 第13-15页 |
| 1.2.2 细颗粒物溯源研究现状及分析 | 第15-16页 |
| 1.3 本文研究主要内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 基于高斯过程回归的细颗粒物预测方法研究 | 第18-40页 |
| 2.1 细颗粒物预测方法设计 | 第18-21页 |
| 2.1.1 细颗粒物预测方法应用背景 | 第18-19页 |
| 2.1.2 细颗粒物预测方案 | 第19-21页 |
| 2.2 细颗粒物数据预处理 | 第21-24页 |
| 2.2.1 细颗粒物原始数据 | 第21-22页 |
| 2.2.2 细颗粒物数据处理模型 | 第22-24页 |
| 2.3 高斯过程回归模型 | 第24-33页 |
| 2.3.1 高斯过程的定义 | 第24-26页 |
| 2.3.2 高斯过程回归模型构建 | 第26-29页 |
| 2.3.3 高斯过程回归模型主要存在问题 | 第29-30页 |
| 2.3.4 改进的高斯过程回归模型 | 第30-33页 |
| 2.4 细颗粒物预测实验结果与分析 | 第33-39页 |
| 2.4.1 数据预处理方法验证 | 第34-35页 |
| 2.4.2 细颗粒物空间分布预测方法验证 | 第35-38页 |
| 2.4.3 细颗粒物短时间变化态势预测方法验证 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 基于萤火虫算法的细颗粒物溯源方法研究 | 第40-56页 |
| 3.1 细颗粒物溯源特性描述 | 第40-41页 |
| 3.2 细颗粒物溯源方法 | 第41-53页 |
| 3.2.1 细颗粒物溯源方法设计 | 第41-43页 |
| 3.2.2 萤火虫算法原理 | 第43-44页 |
| 3.2.3 萤火虫算法具体实现 | 第44-47页 |
| 3.2.4 萤火虫算法特性分析 | 第47-49页 |
| 3.2.5 萤火虫算法存在的问题 | 第49页 |
| 3.2.6 萤火虫算法的改进 | 第49-53页 |
| 3.3 细颗粒物溯源算法实验与分析 | 第53-55页 |
| 3.3.1 细颗粒物溯源算法实验数据 | 第53页 |
| 3.3.2 细颗粒物溯源算法实验结果 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 空气监测系统架构设计与实现 | 第56-67页 |
| 4.1 空气监测系统需求分析 | 第56-57页 |
| 4.1.1 数据感知层功能需求 | 第56页 |
| 4.1.2 数据服务层功能需求 | 第56-57页 |
| 4.1.3 数据应用层功能需求 | 第57页 |
| 4.2 空气监测系统的设计 | 第57-62页 |
| 4.2.1 系统整体设计 | 第57-58页 |
| 4.2.2 数据感知层设计 | 第58-60页 |
| 4.2.3 数据服务层设计 | 第60-61页 |
| 4.2.4 数据应用层设计 | 第61-62页 |
| 4.3 空气监测系统的实现 | 第62-65页 |
| 4.3.1 空气监测系统硬件实现 | 第62-63页 |
| 4.3.2 系统软件系统实现 | 第63-65页 |
| 4.4 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-77页 |
| 致谢 | 第77页 |
