| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.2.1 空气污染物浓度相关因素分析 | 第11-12页 |
| 1.2.2 细粒度城市空气污染物建模 | 第12页 |
| 1.2.3 自适应分辨率下的空气质量建模 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 相关理论基础 | 第15-23页 |
| 2.1 多元线性回归模型 | 第15-17页 |
| 2.1.1 多元线性回归概述 | 第15-16页 |
| 2.1.2 多元线性回归的优缺点 | 第16-17页 |
| 2.2 人工神经网络模型 | 第17-20页 |
| 2.2.1 人工神经网络概述 | 第17-18页 |
| 2.2.2 BP神经网络 | 第18-20页 |
| 2.2.3 BP网络的不足 | 第20页 |
| 2.3 高斯过程模型 | 第20-22页 |
| 2.3.1 高斯过程预测 | 第21-22页 |
| 2.3.2 高斯过程训练 | 第22页 |
| 2.3.3 高斯过程的不足 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 城市区域PM2.5浓度分布相关因素分析 | 第23-34页 |
| 3.1 监测区域PM2.5浓度分布总体情况 | 第23-24页 |
| 3.2 区域功能对PM2.5浓度分布的影响 | 第24-25页 |
| 3.3 交通流量对PM2.5浓度分布的影响 | 第25-27页 |
| 3.3.1 不同路况道路的PM2.5浓度分布 | 第25-26页 |
| 3.3.2 距道路不同距离的PM2.5浓度分布 | 第26-27页 |
| 3.4 气象条件对PM2.5浓度分布的影响 | 第27-32页 |
| 3.4.1 PM2.5浓度分布与温度相关性分析 | 第29页 |
| 3.4.2 PM2.5浓度分布与相对湿度相关性分析 | 第29-30页 |
| 3.4.3 PM2.5浓度分布与风力相关性分析 | 第30页 |
| 3.4.4 PM2.5浓度分布与天气相关性分析 | 第30-31页 |
| 3.4.5 PM2.5浓度分布与气象条件偏相关性分析 | 第31-32页 |
| 3.4.6 基于气象条件的多元线性回归 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 城市区域PM2.5浓度自适应建模 | 第34-44页 |
| 4.1 系统概述 | 第34-38页 |
| 4.1.1 相关定义 | 第34-37页 |
| 4.1.2 系统框架 | 第37-38页 |
| 4.2 网格细化标准 | 第38-39页 |
| 4.3 特征提取 | 第39页 |
| 4.4 离线训练 | 第39-40页 |
| 4.5 在线推测 | 第40-43页 |
| 4.5.1 城市区域网格分辨率自适应变化方法 | 第40-41页 |
| 4.5.2 PM2.5浓度估算模型 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 系统实现与结果评估 | 第44-51页 |
| 5.1 系统实现 | 第44-47页 |
| 5.1.1 系统配置 | 第44-45页 |
| 5.1.2 网格分辨率 | 第45页 |
| 5.1.3 监测策略 | 第45-46页 |
| 5.1.4 数据集 | 第46-47页 |
| 5.2 系统评估 | 第47-50页 |
| 5.2.1 离线训练性能 | 第47-48页 |
| 5.2.2 在线推测性能 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 本文工作总结 | 第51-52页 |
| 6.2 未来展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |