| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·西安市PM_(10)污染状况 | 第9-12页 |
| ·西安市PM_(10)污染年变化特征 | 第9-11页 |
| ·西安市采暖季与非采暖季PM_(10)污染变化特征 | 第11页 |
| ·西安市采暖季PM_(10)污染变化特征 | 第11-12页 |
| ·课题研究的背景与意义 | 第12页 |
| ·国内外空气污染预报研究动态 | 第12-13页 |
| ·国外空气污染预报研究动态 | 第12-13页 |
| ·国内空气污染预报研究动态 | 第13页 |
| ·本文采用的预报方法 | 第13-14页 |
| ·本文研究的主要内容与技术路线 | 第14-15页 |
| ·主要内容 | 第14页 |
| ·技术路线 | 第14-15页 |
| 2 人工神经网络和遗传算法的基本理论 | 第15-31页 |
| ·人工神经网络概述 | 第15-17页 |
| ·人工神经元 | 第15页 |
| ·人工神经网络的拓扑结构 | 第15-16页 |
| ·人工神经网络的特点及应用 | 第16-17页 |
| ·BP神经网络原理 | 第17-19页 |
| ·BP神经网络结构模型 | 第17-18页 |
| ·BP算法的程序实现过程 | 第18-19页 |
| ·BP神经网络的优越性与局限性 | 第19页 |
| ·遗传算法 | 第19-21页 |
| ·遗传算法概述 | 第19-20页 |
| ·遗传算法的特点 | 第20-21页 |
| ·遗传算法的基本步骤 | 第21-28页 |
| ·编码 | 第22-23页 |
| ·初始种群的产生 | 第23页 |
| ·适应度函数 | 第23-24页 |
| ·遗传算子的设计 | 第24-28页 |
| ·控制参数的选择 | 第28页 |
| ·终止准则 | 第28页 |
| ·遗传算法的应用 | 第28-29页 |
| ·遗传算法优化神经网络 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 影响因子的相关性分析 | 第31-44页 |
| ·数据采集 | 第31页 |
| ·相关分析方法 | 第31-32页 |
| ·西安市PM_(10)污染浓度与气象影响因子的相关性分析 | 第32-42页 |
| ·天气形势 | 第33-34页 |
| ·气压 | 第34-35页 |
| ·气温 | 第35-37页 |
| ·日照时数 | 第37页 |
| ·辐射量 | 第37-38页 |
| ·湿度 | 第38-39页 |
| ·总云量 | 第39页 |
| ·08露温 | 第39-40页 |
| ·风速 | 第40-41页 |
| ·能见度 | 第41-42页 |
| ·前日PM_(10)浓度 | 第42页 |
| ·气象影响因子的相关性检验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 遗传神经网络预测模型的建立与实现 | 第44-58页 |
| ·数据的划分 | 第44页 |
| ·遗传神经网络预报模型的网络结构 | 第44-45页 |
| ·GA-BP预测模型的实现 | 第45-53页 |
| ·MATLAB简介 | 第45页 |
| ·样本数据的预处理及模型的评价指标 | 第45-47页 |
| ·程序的设计 | 第47-50页 |
| ·GA-BP网络模型在采暖季PM_(10)污染浓度预报中的应用 | 第50-53页 |
| ·与其他预测方法对比分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 5 结论与建议 | 第58-60页 |
| ·结论 | 第58页 |
| ·建议 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 GA-BP网络模型实现程序 | 第64-67页 |
