| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题的背景及研究意义 | 第10-13页 |
| 1.1.1 课题背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 PM_(2.5) 预测方法的研究进展 | 第13-17页 |
| 1.2.1 基于过程的PM_(2.5)预测方法 | 第14-15页 |
| 1.2.2 基于数据的PM_(2.5)估计方法 | 第15-17页 |
| 1.3 模糊神经网络的研究现状 | 第17-19页 |
| 1.3.1 结构自组织方法 | 第17-18页 |
| 1.3.2 参数学习算法 | 第18-19页 |
| 1.4 论文研究内容与结构安排 | 第19-22页 |
| 第2章 PM_(2.5)软测量模型的特征提取 | 第22-32页 |
| 2.1 研究站点和数据 | 第22-28页 |
| 2.1.1 研究站点的地理位置 | 第22-23页 |
| 2.1.2 PM_(2.5) 浓度的变化特征 | 第23-25页 |
| 2.1.3 PM_(2.5) 浓度的影响变量 | 第25-26页 |
| 2.1.4 数据的采集和预处理 | 第26-28页 |
| 2.2 基于PCA的特征提取 | 第28-30页 |
| 2.2.1 主成分分析方法 | 第28-29页 |
| 2.2.2 主成分分析提取特征变量 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 二阶自组织模糊神经网络的设计 | 第32-50页 |
| 3.1 模糊神经网络的网络结构 | 第32-36页 |
| 3.2 敏感度分析方法 | 第36-39页 |
| 3.2.1 敏感度分析的实现 | 第36-37页 |
| 3.2.2 模糊神经网络的敏感度分析 | 第37-39页 |
| 3.3 二阶梯度下降算法 | 第39-42页 |
| 3.3.1 Levenberg-Marquardt算法 | 第40页 |
| 3.3.2 改进的二阶梯度下降算法 | 第40-41页 |
| 3.3.3 模糊神经网络的参数训练 | 第41-42页 |
| 3.4 SOG-SOFNN的算法流程 | 第42-43页 |
| 3.5 实验仿真及结果分析 | 第43-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 PM_(2.5)软测量模型的搭建 | 第50-60页 |
| 4.1 软测量原理 | 第50-52页 |
| 4.2 基于SOG-SOFNN的PM_(2.5)软测量建模 | 第52-54页 |
| 4.2.1 软测量模型的结构框架 | 第52-53页 |
| 4.2.2 软测量模型的训练与测试 | 第53-54页 |
| 4.2.3 软测量模型的评价指标 | 第54页 |
| 4.3 预测实验及结果分析 | 第54-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 PM_(2.5)智能预测系统的开发 | 第60-70页 |
| 5.1 系统的需求分析与开发计划 | 第60-61页 |
| 5.1.1 开发需求 | 第60-61页 |
| 5.1.2 开发计划 | 第61页 |
| 5.2 系统的开发方案及关键技术 | 第61-63页 |
| 5.2.1 开发方案 | 第62-63页 |
| 5.2.2 关键技术 | 第63页 |
| 5.3 系统功能的设计及实现 | 第63-68页 |
| 5.3.1 模型训练模块 | 第64页 |
| 5.3.2 Tomcat服务器端 | 第64-65页 |
| 5.3.3 Android客户端 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 攻读硕士学位期间所获得的研究成果 | 第80页 |
| 攻读硕士学位期间所获奖励 | 第80-82页 |
| 致谢 | 第82页 |