| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 论文研究的目的、意义 | 第8页 |
| 1.2 空气质量监测现状 | 第8-10页 |
| 1.2.1 空气质量监测的研究背景 | 第8-9页 |
| 1.2.2 常见的空气质量监测方法 | 第9-10页 |
| 1.3 电子鼻技术 | 第10-12页 |
| 1.3.1 电子鼻系统概述 | 第10-11页 |
| 1.3.2 电子鼻技术在空气质量监测方面的应用 | 第11-12页 |
| 1.4 云计算技术 | 第12-13页 |
| 1.5 空气质量监测系统的精度校正 | 第13-15页 |
| 1.5.1 影响空气质量监测系统浓度检测精度的主要因素 | 第13-14页 |
| 1.5.2 空气质量监测系统浓度检测精度校正技术的研究现状 | 第14-15页 |
| 1.6 论文的主要内容及安排 | 第15-16页 |
| 2 远程空气质量监测系统 | 第16-27页 |
| 2.1 系统的模块构成 | 第16页 |
| 2.2 系统中的监测终端 | 第16-20页 |
| 2.2.1 监测终端的硬件结构 | 第16-19页 |
| 2.2.2 监测终端的软件流程 | 第19-20页 |
| 2.3 系统中的监测中心 | 第20-24页 |
| 2.3.1 监测中心的模块构成 | 第20-21页 |
| 2.3.2 监测中心的软件流程 | 第21-24页 |
| 2.4 系统中的查询终端 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 算法原理介绍 | 第27-38页 |
| 3.1 人工神经网络 | 第27-32页 |
| 3.1.1 人工神经元模型 | 第28页 |
| 3.1.2 BP网络及其学习算法 | 第28-32页 |
| 3.2 粒子群算法 | 第32-33页 |
| 3.3 野草算法 | 第33-35页 |
| 3.4 POCS算法 | 第35-37页 |
| 3.5 误差加权最小二乘算法 | 第37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 浓度检测精度校正模型 | 第38-43页 |
| 4.1 浓度预测模型 | 第38-39页 |
| 4.2 传感器信号校正模型 | 第39-40页 |
| 4.3 传感器校正系数预测模型 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 实验验证及分析 | 第43-61页 |
| 5.1 实验样本描述 | 第43页 |
| 5.2 数据预处理 | 第43-44页 |
| 5.3 气体浓度预测网络性能分析 | 第44-49页 |
| 5.4 气体浓度检测精度校正模型性能分析 | 第49-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 主要研究内容与成果 | 第61页 |
| 6.2 今后工作的展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-68页 |
| A. 作者在攻读硕士学位期间参加的项目 | 第67页 |
| B. 作者在攻读硕士学位期间获得的成果(论文、专利、获奖) | 第67页 |
| C. 论文中的实验数据及程序清单 | 第67-68页 |
