| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 空气质量预测研究现状 | 第12-16页 |
| 1.2.2 PM_(2.5)的相关影响因素研究 | 第16-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第2章 数据准备及分析 | 第20-32页 |
| 2.1 研究站点与数据基础 | 第20-21页 |
| 2.2 数据预处理 | 第21-22页 |
| 2.3 PM_(2.5)质量浓度的变化特征 | 第22-25页 |
| 2.3.1 PM_(2.5)质量浓度的季节性变化 | 第22-24页 |
| 2.3.2 PM_(2.5)质量浓度的逐时变化 | 第24-25页 |
| 2.4 PM_(2.5)的相关影响因素 | 第25-31页 |
| 2.4.1 PM_(2.5)质量浓度与气象因子的关系 | 第25-27页 |
| 2.4.2 PM_(2.5)质量浓度与其它污染物浓度的关系 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 模型算法介绍 | 第32-44页 |
| 3.1 支持向量回归介绍 | 第32-38页 |
| 3.1.1 统计学习理论 | 第32页 |
| 3.1.2 支持向量机 | 第32-36页 |
| 3.1.3 支持向量回归 | 第36-38页 |
| 3.2 量子粒子群优化算法介绍 | 第38-40页 |
| 3.2.1 基本粒子群优化算法 | 第38-39页 |
| 3.2.2 量子粒子群优化算法 | 第39-40页 |
| 3.3 互补集合经验模态分解算法介绍 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 预测模型设计与实验分析 | 第44-60页 |
| 4.1 实验数据与环境 | 第44-45页 |
| 4.2 模型评测指标 | 第45页 |
| 4.3 多步预测方法的比较 | 第45-48页 |
| 4.4 QPSO-SVR模型的建立及实验结果分析 | 第48-53页 |
| 4.4.1 建立QPSO-SVR预测模型 | 第48-49页 |
| 4.4.2 PM_(2.5)质量浓度预测结果及分析 | 第49-53页 |
| 4.5 CEEMD-QPSO-SVR预测模型的建立及实验结果分析 | 第53-58页 |
| 4.5.1 建立CEEMD-QPSO-SVR预测模型 | 第53-54页 |
| 4.5.2 基于CEEMD方法的PM_(2.5)浓度分解 | 第54-55页 |
| 4.5.3 QPSO-SVR预测模型的选择 | 第55-56页 |
| 4.5.4 PM_(2.5)浓度的预测结果 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 结论与展望 | 第60-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间所发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |
