| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 大气污染 | 第10页 |
| 1.2 PM_(10)和PM_(2.5)的定义、来源、特点及污染特征 | 第10-12页 |
| 1.3 PM_(10)和PM_(2.5)的危害 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-18页 |
| 1.4.1 PM_(10)和PM_(2.5)的来源解析研究 | 第13-14页 |
| 1.4.2 气象因子对PM_(10)和PM_(2.5)的影响研究 | 第14-17页 |
| 1.4.3 PM_(10)和PM_(2.5)浓度预测研究 | 第17-18页 |
| 1.5 研究背景及意义 | 第18-19页 |
| 1.6 本文的主要研究内容和技术路线 | 第19-21页 |
| 1.6.1 研究内容 | 第19-20页 |
| 1.6.2 研究技术路线 | 第20-21页 |
| 第二章 南京市大气颗粒物分布特征 | 第21-37页 |
| 2.1 数据来源及处理方法 | 第21-24页 |
| 2.1.1 南京地区颗粒物浓度数据来源与采集 | 第21-23页 |
| 2.1.2 气象数据来源及采集 | 第23页 |
| 2.1.3. 数据预处理 | 第23-24页 |
| 2.2 南京地区颗粒物分布特征分析 | 第24-35页 |
| 2.2.1 冬春PM_(10)和PM_(2.5)质量浓度空间分布特征 | 第24-29页 |
| 2.2.1.1 整体分布特征 | 第24-27页 |
| 2.2.1.2 区域分布特征 | 第27-29页 |
| 2.2.2 冬春PM_(10)和PM_(2.5)质量浓度时间分布特征 | 第29-35页 |
| 2.2.2.1 PM10和PM2.5质量浓度月变化特征 | 第29-31页 |
| 2.2.2.2 冬春季节PM10和PM2.5质量浓度日变化特征 | 第31-32页 |
| 2.2.2.3 冬春季节PM2.5和PM10质量浓度的相关性 | 第32-35页 |
| 2.3 本章小结 | 第35-37页 |
| 第三章 颗粒物同单个气象因子的关系 | 第37-46页 |
| 3.1 PM_(2.5)与相对湿度的相关性 | 第37-38页 |
| 3.2 PM_(2.5)与日均风速和日最大风速的相关性 | 第38-40页 |
| 3.3 PM_(2.5)与降水量的相关性 | 第40-41页 |
| 3.4 PM_(2.5)与能见度的相关性 | 第41-42页 |
| 3.5 PM_(2.5)与气压的相关性 | 第42页 |
| 3.6 PM_(2.5)与其他污染气体的关系 | 第42-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 PM2.5污染的成因分析模型 | 第46-56页 |
| 4.1 多元线性回归的一般模型简介 | 第46-48页 |
| 4.1.1 逐步回归分析的主要思路 | 第46-47页 |
| 4.1.2 逐步回归分析的主要计算步骤 | 第47-48页 |
| 4.2 冬春季节PM_(2.5)逐步回归模型 | 第48-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 南京市PM2.5浓度的BP神经网络仿真 | 第56-72页 |
| 5.1 神经网络 | 第56-57页 |
| 5.2 BP神经网络模型 | 第57-61页 |
| 5.2.1 评价指标的无量钢化 | 第58-59页 |
| 5.2.2 确定隐含层单元数 | 第59-60页 |
| 5.2.3. 各层传递函数的确定 | 第60-61页 |
| 5.3 基于MATLAB的PM_(2.5) BP神经网络 | 第61-71页 |
| 5.3.1 预测输入因子的选择 | 第61-62页 |
| 5.3.2 模型的结构 | 第62-63页 |
| 5.3.3 网络训练 | 第63-68页 |
| 5.3.4 BP网络仿真及检验 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 创新点 | 第73页 |
| 6.3 展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 作者简介 | 第79-80页 |
| 致谢 | 第80页 |
