基于自组织递归模糊神经网络的PM2.5浓度预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外PM2.5预测方法的研究进展 | 第12-16页 |
| 1.2.1 数值预测 | 第13-14页 |
| 1.2.2 统计预测 | 第14-16页 |
| 1.3 论文研究内容与结构安排 | 第16-18页 |
| 第2章 基于互信息和PSO的特征选择方法 | 第18-26页 |
| 2.1 研究区域及数据来源 | 第18-19页 |
| 2.1.1 PM2.5影响因素分析 | 第18-19页 |
| 2.1.2 数据采集与预处理 | 第19页 |
| 2.2 特征选择方法 | 第19-22页 |
| 2.3 方法评价 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 自组织递归模糊神经网络设计 | 第26-44页 |
| 3.1 递归模糊神经网络 | 第26-31页 |
| 3.1.1 模糊神经网络 | 第26-29页 |
| 3.1.2 反馈型模糊神经网络 | 第29-31页 |
| 3.2 递归模糊神经网络自组织机制 | 第31-36页 |
| 3.2.1 网络结构调整算法 | 第31-35页 |
| 3.2.2 网络参数调整算法 | 第35-36页 |
| 3.3 自组织递归模糊神经网络算法流程 | 第36-37页 |
| 3.4 网络性能评价 | 第37-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于SORFNN的PM2.5浓度预测模型 | 第44-50页 |
| 4.1 PM2.5浓度预测原理 | 第44页 |
| 4.2 PM2.5预测模型 | 第44-46页 |
| 4.2.1 预测模型的结构框架 | 第44-46页 |
| 4.2.2 预测模型的训练与测试 | 第46页 |
| 4.2.3 预测模型的评价指标 | 第46页 |
| 4.3 PM2.5预测实验及结果分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 PM2.5智能预测系统 | 第50-60页 |
| 5.1 需求分析 | 第50-52页 |
| 5.2 系统开发方案设计及技术路线 | 第52-53页 |
| 5.2.1 方案设计 | 第52-53页 |
| 5.2.2 技术路线 | 第53页 |
| 5.3 软件功能实现 | 第53-58页 |
| 5.3.1 服务器端 | 第53-54页 |
| 5.3.2 客户端 | 第54-58页 |
| 5.4 本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |
| 攻读硕士学位期间所获奖励 | 第68-70页 |
| 致谢 | 第70页 |
