| 摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 第一章 前言 | 第12-19页 |
| 1.1 研究目的和意义 | 第12-14页 |
| 1.2 国内外研究的动态和现状 | 第14-17页 |
| 1.2.1 大气复合污染研究 | 第14-15页 |
| 1.2.2 城市空气污染统计预报研究进展 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第二章 数据与方法 | 第19-25页 |
| 2.1 数据说明 | 第19-21页 |
| 2.1.1 污染物观测资料 | 第19页 |
| 2.1.2 常规气象观测数据 | 第19页 |
| 2.1.3 WRF模拟气象场资料 | 第19-21页 |
| 2.2 统计方法 | 第21-25页 |
| 2.2.1 逐步回归方法 | 第21-23页 |
| 2.2.2 人工神经网络 | 第23-25页 |
| 第三章 南京主要大气污染物季节变化与气象作用 | 第25-36页 |
| 3.1 污染物浓度季节变化 | 第25-28页 |
| 3.2 污染物浓度日变化 | 第28-29页 |
| 3.3 四季首要污染物 | 第29-30页 |
| 3.4 污染物与气象要素的关系 | 第30-32页 |
| 3.5 霾污染个例边界层特征分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 南京大气复合污染物PM_(2.5)和O_3相互作用的观测分析 | 第36-47页 |
| 4.1 冷暖季PM_(2.5)和O_3相关性分析 | 第36-39页 |
| 4.2 O_3对PM_(2.5)影响机制分析 | 第39-42页 |
| 4.3 PM_(2.5)对O_3影响机制分析 | 第42-45页 |
| 4.4 大气复合污染物PM_(2.5)和O_3相互作用机制 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 长三角空气质量统计预报模型的建立 | 第47-68页 |
| 5.1 预报因子的选取 | 第47-48页 |
| 5.2 逐步回归统计模型的建立及效果评估 | 第48-54页 |
| 5.2.1 逐步回归方程的建立 | 第48-50页 |
| 5.2.2 预报效果检验 | 第50-53页 |
| 5.2.3 实验总结 | 第53-54页 |
| 5.3 人工神经网络模型的建立与预报效果评估 | 第54-66页 |
| 5.3.1 人工神经网络模型的建立 | 第54-58页 |
| 5.3.2 人工神经网络实验 | 第58-63页 |
| 5.3.3 重污染天气预报效果检验 | 第63-66页 |
| 5.3.4 实验总结 | 第66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 结论 | 第68-70页 |
| 第七章 创新点与展望 | 第70-72页 |
| 7.1 创新点与特色 | 第70页 |
| 7.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83-84页 |