基于复杂网络的区域空气质量建模分析方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 理论依据与技术知识 | 第16-26页 |
| 2.1 空气质量指数 | 第16-19页 |
| 2.1.1 空气质量指数计算 | 第16-17页 |
| 2.1.2 空气质量等级划分 | 第17-19页 |
| 2.2 复杂网络 | 第19-21页 |
| 2.2.1 复杂网络理论 | 第19-20页 |
| 2.2.2 复杂网络统计特性 | 第20-21页 |
| 2.3 极限学习机模型 | 第21-23页 |
| 2.3.1 基本型极限学习机的结构 | 第21-22页 |
| 2.3.2 极限学习机的计算过程 | 第22-23页 |
| 2.4 长短期记忆网络模型 | 第23-25页 |
| 2.4.1 循环神经网络模型及特征 | 第24页 |
| 2.4.2 LSTM理论分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 因素分析及数据预处理 | 第26-36页 |
| 3.1 主要因素分析 | 第26-30页 |
| 3.1.1 气象因素相关特征 | 第26-28页 |
| 3.1.2 地理因素相关特征 | 第28-30页 |
| 3.2 区域内监测站特征分析 | 第30-33页 |
| 3.2.1 监测站之间距离的处理 | 第30-32页 |
| 3.2.2 监测站之间风向的处理 | 第32页 |
| 3.2.3 主要空气污染物之间的关系 | 第32-33页 |
| 3.3 数据准备与预处理 | 第33-35页 |
| 3.3.1 数据准备 | 第33-34页 |
| 3.3.2 数据缺失值处理 | 第34-35页 |
| 3.3.3 数据标准化 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于复杂网络的区域空气质量建模的研究 | 第36-49页 |
| 4.1 空气质量模型框架 | 第36-38页 |
| 4.2 空气质量模型的表征方式 | 第38-40页 |
| 4.2.1 监测站属性表征 | 第38-39页 |
| 4.2.2 交互关系属性表征 | 第39页 |
| 4.2.3 交互强度属性表征 | 第39-40页 |
| 4.3 基于ELM的空间预测模型 | 第40-45页 |
| 4.3.1 空间预测模型指标选取 | 第40-41页 |
| 4.3.2 空间复杂网络生成 | 第41-43页 |
| 4.3.3 空间预测模型建立 | 第43-45页 |
| 4.4 基于LSTM模型的时间预测模型 | 第45-48页 |
| 4.4.1 时间预测模型指标选取 | 第45-46页 |
| 4.4.2 时间复杂网络生成 | 第46页 |
| 4.4.3 时间预测模型建立 | 第46-48页 |
| 4.5 协同训练预测模型的建立 | 第48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 实验结果及分析 | 第49-55页 |
| 5.1 实验数据集 | 第49页 |
| 5.2 实验环境 | 第49页 |
| 5.3 评价指标 | 第49-50页 |
| 5.4 实验结果分析 | 第50-54页 |
| 5.4.1 空间模型的预测结果分析 | 第50-52页 |
| 5.4.2 时间模型的预测结果分析 | 第52-53页 |
| 5.4.3 协同模型的预测结果分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
