首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--大气监测论文

基于深度学习的空气质量预测方法研究与实现

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 论文主要内容第13-15页
    1.4 论文结构安排第15-16页
第二章 相关技术介绍第16-28页
    2.1 传统时间序列预测方法第16-21页
        2.1.1 时间序列第16-17页
        2.1.2 基于统计学的时间序列分析第17-20页
        2.1.3 基于回归模型时间序列分析第20-21页
    2.2 深度学习第21-26页
        2.2.1 深度学习概念介绍第21-22页
        2.2.2 深度学习流程第22-23页
        2.2.3 损失函数第23-24页
        2.2.4 神经网络优化算法第24-25页
        2.2.5 模型性能度量方法第25-26页
    2.3 TensorFlow介绍第26-27页
    2.4 本章小结第27-28页
第三章 空间转换方法第28-38页
    3.1 问题描述与研究区域概况第28-30页
    3.2 方法介绍第30-35页
        3.2.1 空域划分第31-32页
        3.2.2 空域聚集第32-33页
        3.2.3 空域插值第33页
        3.2.4 反距离加权方法第33-35页
    3.3 方法流程与框架第35-36页
    3.4 本章小结第36-38页
第四章 基于深度学习的空气质量预测模型第38-62页
    4.1 数据预处理第38-44页
        4.1.1 数据来源第38-40页
        4.1.2 数据补全第40页
        4.1.3 数据标准化第40-43页
        4.1.4 数据相关性第43-44页
    4.2 前向传播算法神经网络模型第44-47页
    4.3 基于RNN网络的空气质量预测模型第47-54页
        4.3.1 循环神经RNN网络第47-50页
        4.3.2 激活函数第50-51页
        4.3.3 过拟合优化第51-53页
        4.3.4 学习率优化算法第53-54页
    4.4 基于LSTM/GRU网络的空气质量预测模型优化第54-61页
        4.4.1 LSTM模型结构第54-56页
        4.4.2 GRU模型第56-57页
        4.4.3 模型架构第57-61页
    4.5 本章小结第61-62页
第五章 实验与结果分析第62-72页
    5.1 实验环境第62-63页
        5.1.1 硬件与系统配置第62页
        5.1.2 参数设置第62-63页
    5.2 实验过程第63-64页
    5.3 结果分析第64-70页
    5.4 本章小结第70-72页
第六章 总结与展望第72-74页
    6.1 工作总结第72-73页
    6.2 未来展望第73-74页
参考文献第74-77页
致谢第77-78页
攻读学位期间发表的学术论文目录第78页

论文共78页,点击 下载论文
上一篇:Inconel 617激光焊接焊缝成形机制以及组织热稳定性研究
下一篇:室内复杂环境下基于闭环检测技术优化的SLAM算法研究