| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文选题的理论意义 | 第9-10页 |
| 1.2 国内外研究现状综述 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文的主要内容 | 第12-14页 |
| 2 城市环境空气质量评价 | 第14-20页 |
| 2.1 城市环境空气质量评价的定义 | 第14页 |
| 2.2 城市空气中的主要污染物 | 第14-15页 |
| 2.3 城市空气质量评价标准 | 第15-19页 |
| 2.3.1 空气污染指数和空气质量指数 | 第15-17页 |
| 2.3.2 城市空气质量的分级 | 第17-19页 |
| 2.4 城市环境空气质量的数据特点 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 支持向量机与狼群算法的介绍 | 第20-35页 |
| 3.1 支持向量机的理论基础 | 第20-27页 |
| 3.1.1 支持向量机的基本理论知识 | 第20-22页 |
| 3.1.2 支持向量分类机 | 第22-27页 |
| 3.1.3 多类支持向量机 | 第27页 |
| 3.1.4 支持向量机的特点 | 第27页 |
| 3.2 狼群算法 | 第27-34页 |
| 3.2.1 狼群算法简介 | 第27-29页 |
| 3.2.2 狼群算法原理 | 第29-32页 |
| 3.2.3 狼群算法的具体步骤 | 第32-33页 |
| 3.2.4 狼群算法的特点 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 空气质量评价模型的建立 | 第35-61页 |
| 4.1 数据来源和预处理 | 第35-37页 |
| 4.1.1 数据来源 | 第35页 |
| 4.1.2 数据预处理 | 第35-37页 |
| 4.2 构造空气质量知识表达系统 | 第37-39页 |
| 4.3 基于狼群算法优化支持向量机的分类模型流程图及实现步骤 | 第39-42页 |
| 4.3.1 分类模型整体流程图 | 第39-40页 |
| 4.3.2 算法实现流程 | 第40-42页 |
| 4.4 基于改进狼群算法优化支持向量机的分类模型建立 | 第42-59页 |
| 4.4.1 选择算子 | 第43-44页 |
| 4.4.2 收敛因子 | 第44-45页 |
| 4.4.3 位置权重优化 | 第45-46页 |
| 4.4.4 测试结果与分析 | 第46-57页 |
| 4.4.5 基于改进狼群算法的支持向量机的分类模型流程图及实现步骤 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 5 模型在空气质量评价中的应用及实验结果对比分析 | 第61-74页 |
| 5.1 实验环境介绍 | 第61页 |
| 5.2 分类评价模型的训练与实验结果分析 | 第61-73页 |
| 5.2.1 GWO-SVM在空气质量分类评价 | 第61-63页 |
| 5.2.2 IGWO-SVM在空气质量评价中的评价 | 第63-65页 |
| 5.2.3 C4.5算法在空气质量分类评价 | 第65-67页 |
| 5.2.4 PSO-SVM算法在空气质量分类评价 | 第67-69页 |
| 5.2.5 实验结果对比分析 | 第69-73页 |
| 5.3 本章小结 | 第73-74页 |
| 6 总结和展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表论文及科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
