| 1 绪论 | 第1-19页 |
| ·选题背景及研究意义 | 第9-10页 |
| ·研究和应用现状 | 第10-16页 |
| ·大气污染预报的方法 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-16页 |
| ·人工神经网络技术在大气污染预报中的研究现状 | 第16页 |
| ·存在问题 | 第16-17页 |
| ·本文主要工作 | 第17-19页 |
| 2 小波分析的基本理论 | 第19-26页 |
| ·傅里叶变换，窗口傅里叶变换与小波变换 | 第19-20页 |
| ·小波变换 | 第20-21页 |
| ·连续小波变换 | 第20页 |
| ·离散小波变换 | 第20-21页 |
| ·常用小波函数 | 第21-22页 |
| ·Haar小波 | 第21页 |
| ·Mexican Hat小波 | 第21页 |
| ·Morlet小波 | 第21-22页 |
| ·Daubechies(dbN)小波系 | 第22页 |
| ·多分辩分析 | 第22-23页 |
| ·Mallat算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 神经网络的基本理论 | 第26-35页 |
| ·概述 | 第26-28页 |
| ·人工神经元模型 | 第26-27页 |
| ·神经网络的拓扑结构 | 第27页 |
| ·神经网络的学习方式 | 第27-28页 |
| ·误差反向传播神经网络(BP网络) | 第28-32页 |
| ·BP网络模型 | 第28页 |
| ·BP算法 | 第28-31页 |
| ·BP网络的局限性 | 第31页 |
| ·BP算法的改进 | 第31-32页 |
| ·BP网络推广能力的提高 | 第32-34页 |
| ·推广误差的偏差-标准差分解 | 第32-33页 |
| ·BP网络推广能力的提高 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 小波分析应用于大气污染物浓度时间序列年变化规律和突变特性分析 | 第35-42页 |
| ·概述 | 第35页 |
| ·资料来源 | 第35页 |
| ·小波分析应用于SO_2浓度时间序列分析 | 第35-39页 |
| ·SO_2浓度时间序列的年变化规律分析 | 第35-37页 |
| ·SO_2浓度时间序列的突变特性分析 | 第37-39页 |
| ·小波分析应用于PM_(10)浓度时间序列分析 | 第39-41页 |
| ·PM_(10)浓度时间序列的年变化规律分析 | 第39-40页 |
| ·PM_(10)浓度时间序列的突变特性分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 小波分析与时间序列应用于大气污染物浓度预测 | 第42-53页 |
| ·概述 | 第42页 |
| ·ARMA模型及其性质 | 第42-46页 |
| ·模型简介 | 第42-43页 |
| ·模型阶数的确定 | 第43-44页 |
| ·模型参数的估计 | 第44-45页 |
| ·模型考核的检验 | 第45-46页 |
| ·ARIMA模型及其性质 | 第46页 |
| ·小波分析与时间序列应用于大气污染物浓度预测 | 第46-51页 |
| ·小波分析与时间序列应用于大气污染物浓度预测模型 | 第46-47页 |
| ·小波分析与时间序列应用于SO_2浓度预测 | 第47-51页 |
| ·本章小结 | 第51-53页 |
| 6 神经网络预测模型输入样本的研究 | 第53-61页 |
| ·引言 | 第53页 |
| ·预测输入因子的选择 | 第53-55页 |
| ·数据的标准化 | 第55-56页 |
| ·数据的主成分分析 | 第56-60页 |
| ·主成分的求法 | 第56-57页 |
| ·主成分的性质 | 第57-58页 |
| ·主成分分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 7 大气污染物浓度的分段神经网络预测 | 第61-71页 |
| ·引言 | 第61页 |
| ·分段神经网络应用于大气污染物浓度预测 | 第61-69页 |
| ·分段神经网络应用于SO_2浓度预测 | 第61-66页 |
| ·分段神经网络应用于PM_(10)浓度预测 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 8 “松散型”小波网络在大气污染物浓度预测中的应用 | 第71-91页 |
| ·引言 | 第71页 |
| ·小波网络 | 第71-74页 |
| ·“松散型”小波网络在大气污染物浓度预测中的应用 | 第74-89页 |
| ·“松散型”小波网络 | 第74-76页 |
| ·“分解-重构-预测”小波网络在SO_2浓度预测中的应用 | 第76-83页 |
| ·“分解-重构-预测”小波网络在PM_(10)浓度预测中的应用 | 第83-89页 |
| ·本章小结 | 第89-91页 |
| 9 结论 | 第91-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-100页 |
| 附录 攻读博士学位期间发表论文和科研成果 | 第100页 |
