我国部分城市空气质量指数的聚类、建模及预测研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容及方法 | 第12-13页 |
| 1.4 主要工作与不足之处 | 第13-15页 |
| 第2章 我国31个主要城市空气污染的聚类分析 | 第15-33页 |
| 2.1 聚类方法的介绍 | 第15-18页 |
| 2.1.1 系统聚类法 | 第15-16页 |
| 2.1.2 K-Means聚类简介 | 第16-17页 |
| 2.1.3 PAM聚类 | 第17-18页 |
| 2.2 数据的选取及预处理 | 第18-26页 |
| 2.2.1 变量的描述 | 第18-21页 |
| 2.2.2 二次移动平均 | 第21-24页 |
| 2.2.3 描述性统计分析 | 第24-26页 |
| 2.3 聚类的实证分析 | 第26-33页 |
| 2.3.1 系统聚类 | 第26-27页 |
| 2.3.2 K-Means聚类 | 第27-29页 |
| 2.3.3 PAM聚类 | 第29-32页 |
| 2.3.4 三种分类效果的比较 | 第32-33页 |
| 第3章 模型简介 | 第33-39页 |
| 3.1 ARMA(p,q)模型简介 | 第33-34页 |
| 3.2 多元线性回归模型简介 | 第34-35页 |
| 3.3 神经网络模型简介 | 第35-39页 |
| 第4章 预测的实证分析 | 第39-59页 |
| 4.1 数据的预处理 | 第39-43页 |
| 4.1.1 数据的来源 | 第39页 |
| 4.1.2 数据变量描述 | 第39-41页 |
| 4.1.3 缺失数据的处理 | 第41-43页 |
| 4.1.4 异常值处理 | 第43页 |
| 4.2 ARMA(p,q)模型的建立 | 第43-48页 |
| 4.2.1 序列平稳性分析 | 第43-45页 |
| 4.2.2 模型的确定 | 第45-46页 |
| 4.2.3 模型的检验 | 第46页 |
| 4.2.4 模型系数的显著性检验： | 第46-47页 |
| 4.2.5 预测 | 第47-48页 |
| 4.3 多元线性回归模型的建立 | 第48-53页 |
| 4.3.1 模型初建立 | 第48-49页 |
| 4.3.2 变量的选择 | 第49-50页 |
| 4.3.3 新模型的建立 | 第50-51页 |
| 4.3.4 回归诊断 | 第51-52页 |
| 4.3.5 预测 | 第52-53页 |
| 4.4 BP神经网络模型的建立 | 第53-59页 |
| 4.4.1 数据规范化 | 第53-54页 |
| 4.4.2 神经网络模型的建立 | 第54-56页 |
| 4.4.3 输入变量的重要性评价 | 第56-57页 |
| 4.4.4 预测 | 第57-59页 |
| 第5章 模型的比较及总结 | 第59-63页 |
| 5.1 模型的比较 | 第59-60页 |
| 5.2 总结与展望 | 第60-63页 |
| 5.2.1 结论 | 第60-61页 |
| 5.2.2 展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 攻读学位期间发表的学术论文和研究结果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67-73页 |
