空气质量分析系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 科学意义与应用前景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 空气质量监测数据可视化 | 第10-12页 |
| 1.2.2 空气质量预测 | 第12页 |
| 1.3 空气质量预报指标 | 第12-13页 |
| 1.3.1 预报指标选取 | 第12-13页 |
| 1.3.2 指标及资料时段划分 | 第13页 |
| 1.4 本文数据来源 | 第13页 |
| 1.5 本论文的研究内容和结构安排 | 第13-15页 |
| 第2章 相关理论基础 | 第15-23页 |
| 2.1 空气质量指数 | 第15-17页 |
| 2.1.1 基本概念 | 第15页 |
| 2.1.2 AQI分级 | 第15页 |
| 2.1.3 评价方法 | 第15-17页 |
| 2.2 数据挖掘 | 第17-18页 |
| 2.2.1 理论基础 | 第17页 |
| 2.2.2 数据挖掘常用的方法 | 第17-18页 |
| 2.2.3 数据挖掘在预测系统中的应用 | 第18页 |
| 2.3 神经网络 | 第18-20页 |
| 2.3.1 理论基础 | 第18-19页 |
| 2.3.2 神经网络的学习状态 | 第19页 |
| 2.3.3 BP神经网络的结构 | 第19-20页 |
| 2.3.4 神经网络在空气预测中的应用 | 第20页 |
| 2.4 本章小结 | 第20-23页 |
| 第3章 关键技术研究 | 第23-27页 |
| 3.1 获取远程数据—WebService | 第23-24页 |
| 3.1.1 WebService基本概念 | 第23页 |
| 3.1.2 WebService体系构成 | 第23-24页 |
| 3.2 数据可视化 | 第24-26页 |
| 3.2.1 数据可视化过程 | 第24-25页 |
| 3.2.2 ECharts数据可视化工具 | 第25-26页 |
| 3.3 基于Matlab的人工神经网络的实现 | 第26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 系统的功能需求 | 第27-33页 |
| 4.1 总体功能需求 | 第27页 |
| 4.2 系统用例分析 | 第27-28页 |
| 4.3 专业知识浏览模块需求分析 | 第28-29页 |
| 4.4 污染物分析模块需求分析 | 第29-30页 |
| 4.5 预测模块需求分析 | 第30-31页 |
| 4.6 本章小结 | 第31-33页 |
| 第5章 系统的设计与实现 | 第33-55页 |
| 5.1 系统概述 | 第33页 |
| 5.2 系统开发环境 | 第33页 |
| 5.3 系统体系结构设计 | 第33-53页 |
| 5.3.1 专业知识浏览模块 | 第35-37页 |
| 5.3.2 污染物分析模块 | 第37-44页 |
| 5.3.2.1 污染物分析子功能 | 第37-40页 |
| 5.3.2.2 城市对比 | 第40-41页 |
| 5.3.2.3 地理位置展示 | 第41-43页 |
| 5.3.2.4 数据可视化设计 | 第43-44页 |
| 5.3.3 分析预测模块 | 第44-53页 |
| 5.3.3.1 数据采集 | 第44页 |
| 5.3.3.2 数据分析 | 第44-47页 |
| 5.3.3.3 数据的选择 | 第47-48页 |
| 5.3.3.4 数据的预处理 | 第48页 |
| 5.3.3.5 神经网络结构定义 | 第48页 |
| 5.3.3.6 选择候选影响因子 | 第48-49页 |
| 5.3.3.7 空气质量预测模型的建立 | 第49-51页 |
| 5.3.3.8 误差分析 | 第51-52页 |
| 5.3.3.9 MATLAB接口设计 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
