摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第13-19页 |
1.1 研究的背景 | 第13-14页 |
1.2 研究的意义 | 第14-15页 |
1.3 国内外研究动态 | 第15-17页 |
1.4 主要研究内容 | 第17-18页 |
1.5 研究方法 | 第18-19页 |
第2章 数据来源和分析工具 | 第19-25页 |
2.1 数据来源 | 第19-20页 |
2.2 数据采集方法 | 第20-21页 |
2.3 数据质量分析 | 第21-22页 |
2.4 数据关联分析的预处理 | 第22-23页 |
2.5 分析工具——R软件 | 第23-24页 |
2.6 本章小结 | 第24-25页 |
第3章 多时空尺度的沈阳市主要大气污染物特征分析 | 第25-43页 |
3.1 年度分布特征 | 第26-32页 |
3.1.1 城市整体分布特征 | 第26-28页 |
3.1.2 主城区分布特征 | 第28-29页 |
3.1.3 周边城区分布特征 | 第29-30页 |
3.1.4 不同城市区域的分布特征对比分析 | 第30-32页 |
3.2 供暖期与非供暖期的首要大气污染物占比分析 | 第32-38页 |
3.2.1 城市整体的首要大气污染物占比分析 | 第32-34页 |
3.2.2 主城区的首要大气污染物占比分析 | 第34-36页 |
3.2.3 周边城区的首要大气污染物占比分析 | 第36-37页 |
3.2.4 首要大气污染物占比区域差异性分析 | 第37-38页 |
3.3 供暖期与非供暖期的主要大气污染物24小时分布特征 | 第38-41页 |
3.3.1 供暖期的不同城市区域24小时分布特征 | 第38-40页 |
3.3.2 非供暖期的不同城市区域24小时分布特征 | 第40-41页 |
3.4 本章小节 | 第41-43页 |
第4章 沈阳市大气污染物关联特征分析 | 第43-78页 |
4.1 关联规则分析与R语言实现 | 第43-45页 |
4.1.1 基本原理 | 第43-44页 |
4.1.2 R语言实现 | 第44-45页 |
4.2 供暖期大气污染物关联特征分析 | 第45-61页 |
4.2.1 Apriori算法基本原理 | 第45-46页 |
4.2.2 供暖期大气污染物不同污染程度规则 | 第46-50页 |
4.2.3 供暖期不同城市区域大气污染物不同污染程度规则 | 第50-61页 |
4.3 非供暖期大气污染物关联特征分析 | 第61-76页 |
4.3.1 非供暖期大气污染物不同污染程度规则 | 第61-67页 |
4.3.2 非供暖期不同城市区域大气污染物不同污染程度规则 | 第67-76页 |
4.4 本章小结 | 第76-78页 |
第5章 冬季供暖燃煤污染贡献率的量化评估方法 | 第78-89页 |
5.1 工业城市的主要大气污染排放源类别 | 第78-79页 |
5.2 量化评估的目标排放源选择 | 第79-81页 |
5.3 量化评估的目标污染物选择 | 第81-82页 |
5.4 冬季供暖贡献率的量化评估方法 | 第82-87页 |
5.4.1 供暖期和非供暖期的主要大气污染物关联特征对比分析 | 第82-84页 |
5.4.2 供暖期和非供暖期的主要大气污染物24小时分布特征对比分析 | 第84-85页 |
5.4.3 背景差分法的可行性分析 | 第85-86页 |
5.4.4 冬季燃煤贡献率的计算方法 | 第86-87页 |
5.5 本章小结 | 第87-89页 |
第6章 基于R后台引擎的大气污染监测数据分析系统 | 第89-101页 |
6.1 系统组成 | 第89-91页 |
6.1.1 云服务器 | 第89-90页 |
6.1.2 私有云 | 第90-91页 |
6.1.3 云端数据存储数据库表定义 | 第91页 |
6.2 操作系统及开发环境 | 第91-95页 |
6.2.1 LINUX系统 | 第92-93页 |
6.2.2 MySQL数据库 | 第93-94页 |
6.2.3 Shiny-Server Web服务器 | 第94-95页 |
6.3 系统样机及客户端数据访问界面 | 第95-100页 |
6.4 本章小结 | 第100-101页 |
第7章 研究结论及展望 | 第101-104页 |
7.1 研究的主要结论 | 第101-103页 |
7.2 展望 | 第103-104页 |
参考文献 | 第104-108页 |
在学期间研究成果 | 第108-109页 |
致谢 | 第109-110页 |