城市范围内PM2.5时间预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景与研究意义 | 第8-10页 |
| 1.1.1 问题研究背景 | 第8-10页 |
| 1.1.2 问题研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 对现有工作的分析和研究方案的提出 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第2章 颗粒物时间序列预测问题 | 第17-28页 |
| 2.1 经典时间序列预测模型 | 第17-19页 |
| 2.1.1 线性时间序列模型 | 第17-18页 |
| 2.1.2 非线性时间序列模型 | 第18-19页 |
| 2.2 经典时间序列预测模型存在的问题 | 第19页 |
| 2.3 影响颗粒物变化的特征 | 第19-21页 |
| 2.4 监测数据的空间局部相似性 | 第21-22页 |
| 2.5 一个带有空间约束的预测模型 | 第22-26页 |
| 2.5.1 基于距离相似性的预测模型 | 第22-24页 |
| 2.5.2 基于自适应相似性的预测模型 | 第24-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 时空矩阵的结构探索和预测模型的建立 | 第28-44页 |
| 3.1 时空数据矩阵的探索 | 第28-32页 |
| 3.1.1 时空数据矩阵的低秩结构 | 第28-29页 |
| 3.1.2 设备数据的预处理 | 第29-32页 |
| 3.2 低秩近似理论 | 第32-36页 |
| 3.2.1 数据完备矩阵的低秩近似 | 第32-33页 |
| 3.2.2 带有数据缺失的矩阵低秩近似 | 第33-34页 |
| 3.2.3 低秩分解背后的直觉解释 | 第34-35页 |
| 3.2.4 鲁棒性低秩分解 | 第35-36页 |
| 3.3 模型的组合 | 第36-40页 |
| 3.3.1 全局约束的引入 | 第36-38页 |
| 3.3.2 设备数据矩阵的低秩近似与凸松弛 | 第38-39页 |
| 3.3.3 组合后的最终模型 | 第39-40页 |
| 3.4 模型的可扩展性和对全局约束的讨论 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 求解模型的算法的分析 | 第44-48页 |
| 4.1 时间序列求解算法 | 第44页 |
| 4.2 空间局部约束权重的求解 | 第44-45页 |
| 4.3 设备数据矩阵的低秩近似 | 第45-46页 |
| 4.4 组合模型的分析 | 第46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 实验评估 | 第48-53页 |
| 5.1 对数据矩阵低秩近似的评估 | 第48-50页 |
| 5.2 对最终预测模型的评估 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第58-60页 |
| 致谢 | 第60页 |
