| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 空气质量评价的研究现状 | 第10-11页 |
| 1.2.2 空气质量预测的研究现状 | 第11-12页 |
| 1.3 论文主要工作和结构安排 | 第12-14页 |
| 第二章 基于SAPSO-SVM的空气质量评价 | 第14-27页 |
| 2.1 支持向量机原理 | 第14-19页 |
| 2.2 参数寻优 | 第19-20页 |
| 2.3 SAPSO算法简介 | 第20-23页 |
| 2.3.1 粒子群算法 | 第20-21页 |
| 2.3.2 模拟退火算法 | 第21页 |
| 2.3.3 基于模拟退火的粒子群算法 | 第21-23页 |
| 2.4 空气质量评价结果分析 | 第23-26页 |
| 2.4.1 数据来源及预处理 | 第23-24页 |
| 2.4.2 空气质量等级分类结果 | 第24-25页 |
| 2.4.3 结果分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于GA-SVM的空气质量指数预测 | 第27-33页 |
| 3.1 遗传算法优化SVM | 第27-28页 |
| 3.2 改进的粒子群算法 | 第28-29页 |
| 3.3 空气质量指数预测结果及分析 | 第29-31页 |
| 3.3.1 数据来源及预处理 | 第29-30页 |
| 3.3.2 预测结果 | 第30-31页 |
| 3.4 结果分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于人工神经网络的空气质量指数预测 | 第33-47页 |
| 4.1 人工神经网络简介 | 第33-34页 |
| 4.2 基于BP神经网络的AQI预测 | 第34-39页 |
| 4.2.1 BP神经网络原理 | 第34-37页 |
| 4.2.2 BP神经网络设计 | 第37-39页 |
| 4.2.3 空气质量指数预测结果及分析 | 第39页 |
| 4.3 基于果蝇优化算法优化灰色神经网络的AQI预测 | 第39-43页 |
| 4.3.1 灰色理论 | 第39-41页 |
| 4.3.2 灰色神经网络 | 第41-42页 |
| 4.3.3 果蝇优化算法 | 第42-43页 |
| 4.4 AQI仿真预测及结果分析 | 第43-45页 |
| 4.4.1 数据来源及预处理 | 第43-44页 |
| 4.4.2 空气质量指数预测结果及误差曲线 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 研究主要内容及成果 | 第47-48页 |
| 5.2 本文的不足及今后工作展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间发表的论文及研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |