| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究背景及其意义 | 第12-13页 |
| ·研究现状及发展趋势 | 第13-14页 |
| ·文章内容及工作 | 第14-16页 |
| ·主要工作 | 第14-15页 |
| ·文章内容 | 第15-16页 |
| 第2章 智能化方法 | 第16-30页 |
| ·群智能优化 | 第16-22页 |
| ·粒子群算法 | 第17-22页 |
| ·粒子群算法的应用领域 | 第22页 |
| ·模糊神经网络简介 | 第22-30页 |
| ·神经网络 | 第22-25页 |
| ·模糊系统 | 第25-29页 |
| ·模糊神经网络 | 第29-30页 |
| 第3章 基于MOVPSO大气质量综合评价模型 | 第30-48页 |
| ·引言 | 第30页 |
| ·API空气质量评价法 | 第30-31页 |
| ·改进的MOVPSO算法 | 第31-36页 |
| ·MOVPSO算法改进的理论依据 | 第32-33页 |
| ·算法的粒子变更公式 | 第33页 |
| ·算法的可调参数 | 第33-34页 |
| ·MOVPSO最优位置公式 | 第34页 |
| ·MOVPSO算法流程及流程图 | 第34-36页 |
| ·基于MOVPSO的大气环境质量综合评价模型 | 第36-41页 |
| ·空气质量损害率公式 | 第36-37页 |
| ·MOVPSO优化参数 | 第37-39页 |
| ·污染评价级别的损害率范围 | 第39-40页 |
| ·基于MOVPSO空气质量综合污染损害率评价模型 | 第40-41页 |
| ·大气污染评价的实验仿真对比 | 第41-46页 |
| ·实验评价对比 | 第41-43页 |
| ·基于长春市环境监测中心实测数据的评价仿真实例 | 第43-46页 |
| ·小结 | 第46-48页 |
| 第4章 基于模糊加权神经网络(WFNN)的预测模型 | 第48-59页 |
| ·概述 | 第48页 |
| ·基于模糊推理的模糊神经网络 | 第48-50页 |
| ·基于模糊推理的模糊神经网络 | 第48-49页 |
| ·基于广义模糊加权型推理法的模糊神经网络 | 第49-50页 |
| ·基于WFNN的预测模型 | 第50-54页 |
| ·模糊加权神经网络(WFNN)预测模型的数学模型 | 第50-51页 |
| ·初始隶属度函数 | 第51页 |
| ·模糊规则集的提取 | 第51-52页 |
| ·网络训练及样本数据选取 | 第52-54页 |
| ·预测实验结果与分析 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |