基于BP神经网络的空气质量预测研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 研究目标和内容 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 本文论文组织结构 | 第18-20页 |
| 第二章 相关理论与技术 | 第20-28页 |
| 2.1 空气质量指数 | 第20-21页 |
| 2.2 人工神经网络 | 第21-22页 |
| 2.3 BP神经网络 | 第22-24页 |
| 2.3.1 BP神经网络结构 | 第22-23页 |
| 2.3.2 BP神经网络学习流程 | 第23-24页 |
| 2.4 数据处理 | 第24-25页 |
| 2.5 Jxl工具 | 第25页 |
| 2.6 Echarts工具 | 第25-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第三章 空气质量预测模型 | 第28-34页 |
| 3.1 空气质量预测目标分析 | 第28-29页 |
| 3.2 空气质量预测模型整体架构 | 第29-30页 |
| 3.3 预测算法模型 | 第30-31页 |
| 3.3.1 算法选择 | 第31页 |
| 3.3.2 模型输入因子选择 | 第31页 |
| 3.4 本章小结 | 第31-34页 |
| 第四章 基于BP神经网络预测模型的设计 | 第34-46页 |
| 4.1 基于BP神经网络空气质量预测的体系结构 | 第34-35页 |
| 4.2 数据采集 | 第35-39页 |
| 4.2.1 实时数据采集 | 第35-37页 |
| 4.2.2 历史数据采集 | 第37-39页 |
| 4.3 数据预处理 | 第39-41页 |
| 4.3.1 数据预处理流程 | 第39页 |
| 4.3.2 数据缺失处理 | 第39-40页 |
| 4.3.3 数据异常处理 | 第40页 |
| 4.3.4 数据归一化处理 | 第40-41页 |
| 4.4 空气质量指数计算 | 第41-43页 |
| 4.5 BP神经网络设计 | 第43-45页 |
| 4.5.1 网络层数确认 | 第43页 |
| 4.5.2 输入输出节点的确认 | 第43-44页 |
| 4.5.3 隐含层节点的确认 | 第44页 |
| 4.5.4 传递函数选择 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 空气质量预测系统的实现 | 第46-58页 |
| 5.1 空气质量预测系统功能 | 第46-47页 |
| 5.2 数据采集模块实现 | 第47-49页 |
| 5.3 数据预处理模块实现 | 第49-51页 |
| 5.4 空气质量指数计算模块实现 | 第51-54页 |
| 5.5 预测模块实现 | 第54-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 实验验证和分析 | 第58-74页 |
| 6.1 实验目的和实验方案 | 第58页 |
| 6.2 实验环境 | 第58-59页 |
| 6.3 实验过程 | 第59-72页 |
| 6.3.1 系统功能测试 | 第59-66页 |
| 6.3.2 预测准确性测试 | 第66-69页 |
| 6.3.3 非功能性测试过程 | 第69-72页 |
| 6.4 实验结果分析 | 第72-73页 |
| 6.5 本章小结 | 第73-74页 |
| 第七章 总结和展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79-80页 |
