基于支持向量回归机的PM2.5浓度预测模型分析与研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 细微颗粒物与气象条件关系研究 | 第12-13页 |
| 1.2.2 空气质量预测研究现状 | 第13-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 2. 数据准备 | 第18-42页 |
| 2.1 网页抓爬程序实现过程 | 第18-23页 |
| 2.1.1 程序实现的技术 | 第18-22页 |
| 2.1.2 程序实现的过程 | 第22-23页 |
| 2.2 网页抓取过程遇到问题及解决方案 | 第23-27页 |
| 2.2.1 乱码问题 | 第23-24页 |
| 2.2.2 IP封锁问题 | 第24-27页 |
| 2.3 数据存储表结构设计 | 第27-29页 |
| 2.4 数据预处理 | 第29页 |
| 2.5 数据相关分析 | 第29-38页 |
| 2.5.1 相关理论 | 第30-31页 |
| 2.5.2 相关性分析结果 | 第31-38页 |
| 2.6 数据序列滞后期分析 | 第38-41页 |
| 2.6.1 相关理论 | 第38-39页 |
| 2.6.2 滞后期估计分析结果 | 第39-41页 |
| 2.7 本章小结 | 第41-42页 |
| 3. 支持向量机介绍 | 第42-49页 |
| 3.1 统计学习理论 | 第42-43页 |
| 3.2 支持向量机 | 第43-46页 |
| 3.3 支持向量回归机 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4. 预测模型设计与实验分析 | 第49-58页 |
| 4.1 试验数据 | 第49-50页 |
| 4.2 试验评测指标 | 第50-51页 |
| 4.3 试验环境和步骤 | 第51页 |
| 4.4 单步预测 | 第51-54页 |
| 4.4.1 参数和特征选择 | 第51-52页 |
| 4.4.2 建立模型和试验结果分析 | 第52-54页 |
| 4.5 多步预测 | 第54-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5. 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
