济南空气质量的分析与预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及其意义 | 第8页 |
| 1.2 国内研究现状 | 第8-9页 |
| 1.3 论文的基本结构 | 第9-11页 |
| 第二章 理论基础 | 第11-14页 |
| 2.1 平稳时间序列概述 | 第11-12页 |
| 2.1.1 自回归模型 | 第11页 |
| 2.1.2 移动平均模型 | 第11页 |
| 2.1.3 自回归移动平均模型 | 第11-12页 |
| 2.2 ARIMA模型 | 第12页 |
| 2.3 平稳时间序列模型的建立 | 第12-13页 |
| 2.4 模型预测 | 第13-14页 |
| 第三章 济南市空气质量的统计分析 | 第14-30页 |
| 3.1 数据来源 | 第14页 |
| 3.2 描述性统计 | 第14-17页 |
| 3.2.1 济南市空气质量的浓度分布特征 | 第14-15页 |
| 3.2.2 济南市空气质量的等级分布特征 | 第15-16页 |
| 3.2.3 济南市空气污染物的相关性分析 | 第16-17页 |
| 3.3 多元回归模型的应用 | 第17-20页 |
| 3.3.1 散点图拟合 | 第17-18页 |
| 3.3.2 多重共线性检验 | 第18-20页 |
| 3.4 济南市主要污染物PM_(2.5)的防治 | 第20页 |
| 3.4.1 污染物PM_(2.5)的来源及危害 | 第20页 |
| 3.4.2 污染物PM_(2.5)的治理 | 第20页 |
| 3.5 时间序列模型的应用 | 第20-27页 |
| 3.5.1 数据的预处理 | 第20-22页 |
| 3.5.2 平稳化后的数据分析 | 第22-24页 |
| 3.5.3 模型的建立及参数估计 | 第24-26页 |
| 3.5.4 残差的白噪声检验 | 第26-27页 |
| 3.6 ARIMA模型的预测 | 第27-29页 |
| 3.6.1 ARIMA模型动态预测 | 第27页 |
| 3.6.2 ARIMA模型静态预测 | 第27-29页 |
| 3.7 本章小结 | 第29-30页 |
| 第四章 智能环保分析体系 | 第30-34页 |
| 4.1 总体框架 | 第30页 |
| 4.2 基本流程 | 第30-31页 |
| 4.3 功能模块 | 第31-32页 |
| 4.4 数据可视化 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 第五章 总结与展望 | 第34-35页 |
| 5.1 总结 | 第34页 |
| 5.2 展望 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 致谢 | 第37-38页 |
| 附录 | 第38-40页 |
