基于时空数据模型的PM2.5浓度预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 数据预处理 | 第9-11页 |
| 1.3 PM2.5 的数学建模 | 第11-13页 |
| 1.4 参数估计和预测算法概述 | 第13-14页 |
| 1.5 本文主要内容 | 第14-17页 |
| 2 数据 | 第17-27页 |
| 2.1 在线数据采集系统 | 第17-21页 |
| 2.2 数据分析 | 第21-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 建模分析 | 第27-36页 |
| 3.1 预测因子分析 | 第27-31页 |
| 3.2 建立时空数据模型 | 第31-32页 |
| 3.3 模型参数估计 | 第32-33页 |
| 3.4 模型结构选择 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 缺失数据插值计算 | 第36-48页 |
| 4.1 Kalman滤波插值 | 第36-41页 |
| 4.2 ARX模型插值法 | 第41-42页 |
| 4.3 EM算法 | 第42-46页 |
| 4.4 插值效果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 时空数据模型仿真和实时在线预测 | 第48-54页 |
| 5.1 时空数据模型仿真分析 | 第48-51页 |
| 5.2 RFF算法 | 第51-52页 |
| 5.3 实时数据计算分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
