| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-23页 |
| ·引言 | 第10页 |
| ·研究的背景、目的和意义 | 第10-11页 |
| ·研究方法 | 第11页 |
| ·研究的主要内容及技术路线 | 第11-12页 |
| ·创新点 | 第12-14页 |
| ·国内外空气质量预报研究现状 | 第14-22页 |
| ·空气污染预报方法概述 | 第14-16页 |
| ·人工神经网络在空气质量预报中的研究进展 | 第16-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 人工神经网络和遗传算法的基本原理 | 第23-38页 |
| ·人工神经网络的原理 | 第23-31页 |
| ·人工神经网络的基本涵义 | 第23页 |
| ·神经网络的基本参数 | 第23-24页 |
| ·人工神经元结构的数学模型 | 第24-27页 |
| ·BP神经网络模型 | 第27-31页 |
| ·遗传算法 | 第31-34页 |
| ·遗传算法原理 | 第31页 |
| ·遗传算法的实现 | 第31-34页 |
| ·遗传算法优化神经网络的权值和阈值 | 第34-37页 |
| ·神经网络的权值编码和初始化种群 | 第35页 |
| ·适应度函数 | 第35页 |
| ·选择运算 | 第35-36页 |
| ·交叉运算 | 第36页 |
| ·变异运算 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 南宁市空气污染特征和影响市区空气质量因素分析 | 第38-54页 |
| ·南宁市空气污染的时空特征分析 | 第38-43页 |
| ·南宁市地形、气候 | 第38页 |
| ·南宁市空气污染监测点 | 第38-39页 |
| ·空气污染物的时空分布特征 | 第39-42页 |
| ·空气污染负荷 | 第42-43页 |
| ·空气污染的变化趋势 | 第43页 |
| ·污染物的自相关及其与气象因子的延时交叉相关分析 | 第43-53页 |
| ·污染物的自相关函数 | 第43-44页 |
| ·污染物与气象要素的延时交叉相关分析 | 第44-53页 |
| ·小结 | 第53-54页 |
| 第四章 神经网络空气质量预报模型的建立和应用 | 第54-73页 |
| ·神经网络模型的建立 | 第54-56页 |
| ·模型建立的理论依据 | 第54-56页 |
| ·神经网络模型在空气质量预报中的应用 | 第56-72页 |
| ·预报因子的选取和训练样本的预处理 | 第56-58页 |
| ·模型算法的主要参数和计算流程 | 第58-60页 |
| ·浓度预报结果分析 | 第60-63页 |
| ·空气质量指数和级别预报结果分析 | 第63-67页 |
| ·空气质量预报结果分析 | 第67-70页 |
| ·神经网络空气质量预报模型应用程序用户界面 | 第70-72页 |
| ·小结 | 第72-73页 |
| 第五章 结论与建议 | 第73-76页 |
| ·结论 | 第73-75页 |
| ·建议 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文 | 第86页 |