| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 空气质量问题 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 空气质量评价标准 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 本文研究内容 | 第14页 |
| 1.5 技术路线图 | 第14-15页 |
| 1.6 文章创新点 | 第15-16页 |
| 第2章 邯郸市2014-2017年空气质量分析 | 第16-30页 |
| 2.1 邯郸市经济和地域特征 | 第16页 |
| 2.2 空气质量数据来源 | 第16页 |
| 2.3 邯郸市2014-2017年空气质量指数变化特征 | 第16-19页 |
| 2.4 基于聚类分析的邯郸市空气质量季节性分析 | 第19-26页 |
| 2.4.1 聚类分析定义 | 第20页 |
| 2.4.2 聚类分析原理 | 第20-21页 |
| 2.4.3 聚类分析中类与距离的定义 | 第21页 |
| 2.4.4 季节聚类分析 | 第21-25页 |
| 2.4.5 聚类结果分析 | 第25-26页 |
| 2.5 基于经验模态分解的邯郸市空气质量分解 | 第26-29页 |
| 2.5.1 经验模态分解法分析 | 第26-27页 |
| 2.5.2 算法理论介绍 | 第27-28页 |
| 2.5.3 结果分析 | 第28-29页 |
| 2.6 本章小节 | 第29-30页 |
| 第3章 空气污染物分析 | 第30-34页 |
| 3.1 空气污染物浓度 | 第30-31页 |
| 3.2 层次分析法应用及结果分析 | 第31-32页 |
| 3.3 空气污染应对措施 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 邯郸市空气质量指数分类评价 | 第34-50页 |
| 4.1 分类决策树算法 | 第34-40页 |
| 4.1.1 决策树算法分析 | 第34-35页 |
| 4.1.2 C5.0算法原理如下 | 第35-36页 |
| 4.1.3 数据的预处理 | 第36-37页 |
| 4.1.4 算法实施 | 第37-40页 |
| 4.2 CART分类及回归树 | 第40-44页 |
| 4.2.1 分类回归树算法分析 | 第40-41页 |
| 4.2.2 CART算法理论 | 第41-42页 |
| 4.2.3 模型建立及算法实施 | 第42-44页 |
| 4.3 人工神经网络 | 第44-47页 |
| 4.3.1 人工神经网络算法分析 | 第44页 |
| 4.3.2 神经网络理论基础 | 第44-45页 |
| 4.3.3 模型建立与结果分析 | 第45-47页 |
| 4.4 算法结果分析及综合模型构建 | 第47-48页 |
| 4.4.1 综合模型的构建 | 第47-48页 |
| 4.5 算法结果比较 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介 | 第55-56页 |