| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题来源 | 第8页 |
| ·我国城市空气污染状况 | 第8-9页 |
| ·城市空气质量状况 | 第8页 |
| ·空气中主要污染物 | 第8-9页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外空气污染预报研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究主要内容与研究方法 | 第12-15页 |
| ·研究目的 | 第12-13页 |
| ·研究方法 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 2 西安市PM_(10)污染特征分析 | 第15-24页 |
| ·西安市PM_(10)污染状况 | 第15-21页 |
| ·空气质量现状 | 第15-18页 |
| ·PM_(10)污染年变化特征 | 第18-19页 |
| ·PM_(10)污染月变化特征 | 第19页 |
| ·采暖和非采暖季PM_(10)污染变化特征 | 第19-21页 |
| ·西安市PM_(10)污染原因分析 | 第21-22页 |
| ·小结 | 第22-24页 |
| 3 径向基函数(RBF)神经网络的基本理论 | 第24-36页 |
| ·人工神经网络概述 | 第24-26页 |
| ·人工神经网络概述 | 第24-25页 |
| ·人工神经元模型 | 第25页 |
| ·神经网络的特点 | 第25-26页 |
| ·RBF神经网络的结构和特点 | 第26-29页 |
| ·RBF神经网络的结构 | 第26-27页 |
| ·RBF神经网络的映射关系 | 第27-28页 |
| ·RBF神经网络的特点 | 第28-29页 |
| ·RBF网络训练的准则和常用算法 | 第29-32页 |
| ·训练准则 | 第29页 |
| ·常用算法 | 第29-32页 |
| ·RBF神经网络PM_(10)污染预测的设计 | 第32-34页 |
| ·RBF神经网络PM_(10)污染预测的基本原理 | 第32页 |
| ·MATLAB神经网络工具箱简介 | 第32-33页 |
| ·RBF神经网络设计 | 第33-34页 |
| ·RBF神经网络与BP神经网络的比较 | 第34-35页 |
| ·BP神经网络简介 | 第34页 |
| ·RBF与BP网络的比较 | 第34-35页 |
| ·RBF神经网络与其它统计预测方法的比较 | 第35页 |
| ·小结 | 第35-36页 |
| 4 RBF神经网络对PM_(10)浓度影响因子的相关性分析 | 第36-53页 |
| ·数据的采集 | 第36-39页 |
| ·数据来源 | 第36页 |
| ·数据的划分 | 第36-37页 |
| ·数据的预处理和后处理 | 第37-39页 |
| ·影响PM_(10)扩散的主要因子 | 第39-40页 |
| ·PM_(10)浓度与影响因子的相关性分析 | 第40-52页 |
| ·气压相关性分析 | 第41-42页 |
| ·气温相关性分析 | 第42-44页 |
| ·08露温相关性分析 | 第44-45页 |
| ·风速相关性分析 | 第45-46页 |
| ·日照时数相关性分析 | 第46-47页 |
| ·辐射量相关性分析 | 第47页 |
| ·总云量相关性分析 | 第47-48页 |
| ·湿度相关性分析 | 第48-49页 |
| ·能见度相关性分析 | 第49-50页 |
| ·前日PM_(10)浓度相关性分析 | 第50-51页 |
| ·预测输入因子选择 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 PM_(10)浓度预测模型的建立和检验 | 第53-70页 |
| ·基于RBF神经网络PM_(10)浓度预测的基本思想 | 第53页 |
| ·采暖季PM_(10)浓度预测模型的建立 | 第53-62页 |
| ·预报因子的确立 | 第53页 |
| ·模型的结构 | 第53-54页 |
| ·预测模型的实现 | 第54-56页 |
| ·预测结果的评价方法 | 第56页 |
| ·预测仿真 | 第56-61页 |
| ·实验结果的比较 | 第61-62页 |
| ·非采暖季PM_(10)浓度预测模型的建立 | 第62-68页 |
| ·预报因子的确立 | 第62页 |
| ·模型的结构 | 第62-63页 |
| ·预测仿真 | 第63-67页 |
| ·实验结果的比较 | 第67-68页 |
| ·小结 | 第68-70页 |
| 6 结论及建议 | 第70-72页 |
| ·结论 | 第70-71页 |
| ·建议 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录1 最近邻聚类算法程序 | 第76-77页 |