| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景及研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 国内外数据挖掘算法在气象领域中的应用 | 第10-11页 |
| 1.4 论文主要内容 | 第11-12页 |
| 1.5 论文组织安排 | 第12-13页 |
| 第二章 传统气象观测数据质量控制 | 第13-20页 |
| 2.1 气象自动站观测数据 | 第13-16页 |
| 2.1.1 气象观测数据采集原理 | 第13-14页 |
| 2.1.2 气象观测数据特点 | 第14-15页 |
| 2.1.3 气象观测数据误差类型 | 第15-16页 |
| 2.2 传统质量控制算法 | 第16-19页 |
| 2.2.1 气候学界限值检查 | 第16-17页 |
| 2.2.2 台站界限值检查 | 第17页 |
| 2.2.3 时间一致性检查 | 第17-18页 |
| 2.2.4 内部一致性检查 | 第18页 |
| 2.2.5 空间一致性检查 | 第18-19页 |
| 2.2.6 传统质控方法的缺陷 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 一种时间相关的气象观测数据质控方法设计 | 第20-50页 |
| 3.1 气象要素时间观测序列的混沌特性分析 | 第20-23页 |
| 3.1.1 混沌的定义 | 第20-21页 |
| 3.1.2 混沌序列判别 | 第21-22页 |
| 3.1.3 混沌基本特征 | 第22-23页 |
| 3.2 相空间重构 | 第23-24页 |
| 3.3 支持向量机(SVM) | 第24-26页 |
| 3.4 基于SVM的混沌时间序列的气象观测数据质控模型 | 第26-33页 |
| 3.4.1 核函数的选取 | 第27-30页 |
| 3.4.2 参数的优化 | 第30-33页 |
| 3.4.3 建模步骤 | 第33页 |
| 3.5 实验结果及分析 | 第33-48页 |
| 3.5.1 气象要素序列混沌特性判别 | 第33-37页 |
| 3.5.2 相空间重构 | 第37-39页 |
| 3.5.3 本文模型对气象观测数据的有效性验证 | 第39-46页 |
| 3.5.4 本文模型对气象观测数据的质控实验 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 一种要素相关的气象观测数据质控方法设计 | 第50-67页 |
| 4.1 灰色关联分析 | 第50-51页 |
| 4.2 BP神经网络 | 第51-57页 |
| 4.2.1 BP神经网络的结构 | 第52-53页 |
| 4.2.2 BP神经网络学习算法与学习过程 | 第53-56页 |
| 4.2.3 BP神经网络算法的优缺点 | 第56-57页 |
| 4.3 基于灰色关联分析的BP神经网络气象数据质控模型 | 第57页 |
| 4.3.1 筛选输入神经元 | 第57页 |
| 4.3.2 建模步骤 | 第57页 |
| 4.4 实验结果及分析 | 第57-66页 |
| 4.4.1 要素相关性分析 | 第58-59页 |
| 4.4.2 本文模型对气象观测数据的有效性验证 | 第59-64页 |
| 4.4.3 本文模型对气象观测数据的质控实验 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 融合两种方法的综合质控方案设计 | 第67-76页 |
| 5.1 质控灵敏度评估 | 第67-73页 |
| 5.1.1 传统质量控制方法 | 第67-69页 |
| 5.1.2 基于要素相关的气象数据质量控制方法 | 第69-70页 |
| 5.1.3 基于时间相关的气象数据质量控制方法 | 第70-73页 |
| 5.2 综合质控方案 | 第73页 |
| 5.3 综合质控方案实验 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士期间的成果与参加的项目 | 第81-82页 |
| 致谢 | 第82页 |