摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第9-17页 |
1.1 研究背景及意义 | 第9-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 PM_(2.5)成分分析问题 | 第11-13页 |
1.2.2 PM_(2.5)时空分布问题 | 第13-14页 |
1.2.3 PM_(2.5)来源解析问题 | 第14-15页 |
1.2.4 PM_(2.5)影响因素问题 | 第15页 |
1.3 研究内容及框架 | 第15-17页 |
2 频繁模式挖掘算法 | 第17-23页 |
2.1 Apriori算法 | 第17-19页 |
2.1.1 关联规则挖掘 | 第17-18页 |
2.1.2 Apriori算法的原理与步骤 | 第18-19页 |
2.2 GSP算法 | 第19-22页 |
2.2.1 序列模式挖掘 | 第19-20页 |
2.2.2 GSP算法的原理与步骤 | 第20-22页 |
2.3 本章小结 | 第22-23页 |
3 PM_(2.5)时空分布与规律研究 | 第23-42页 |
3.1 数据与预处理 | 第23-24页 |
3.2 PM_(2.5)时空分布 | 第24-31页 |
3.2.1 全国总体PM_(2.5)时空分布 | 第25-28页 |
3.2.2 三个污染带PM_(2.5)时空分布 | 第28-31页 |
3.3 PM_(2.5)污染规律研究 | 第31-41页 |
3.3.1 环渤海经济区污染模式 | 第32-34页 |
3.3.2 长三角经济区污染模式 | 第34-36页 |
3.3.3 珠三角经济区污染模式 | 第36-37页 |
3.3.4 三个经济区重度以上污染模式 | 第37-40页 |
3.3.5 三个经济区污染模式分析 | 第40页 |
3.3.6 我国PM_(2.5)治理的建议 | 第40-41页 |
3.4 本章小结 | 第41-42页 |
4 PM_(2.5)宏观潜在影响因素研究 | 第42-50页 |
4.1 实验数据与预处理 | 第42-43页 |
4.2 城市指标与PM_(2.5)关联性分析 | 第43-49页 |
4.2.1 城市指标与PM_(2.5)年均值的关联关系 | 第43-46页 |
4.2.2 城市指标与PM_(2.5)季节比率的关联关系 | 第46-48页 |
4.2.3 城市指标与PM_(2.5)工休日比率的关联关系 | 第48-49页 |
4.3 本章小结 | 第49-50页 |
结论 | 第50-51页 |
参考文献 | 第51-56页 |
附录A 2015年三个经济区城市污染天数统计 | 第56-59页 |
附录B 45个城市社会经济指标列表 | 第59-61页 |
攻读硕士学位期间发表学术论文情况 | 第61-62页 |
致谢 | 第62-63页 |