| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 PM2.5研究现状 | 第10-11页 |
| 1.3 神经网络研究现状 | 第11页 |
| 1.4 遗传算法研究现状 | 第11-12页 |
| 1.5 论文内容安排 | 第12-13页 |
| 第二章 移动监测系统设计 | 第13-25页 |
| 2.1 设计目标与思路 | 第13页 |
| 2.2 系统框架 | 第13页 |
| 2.3 芯片选型及其电路设计 | 第13-17页 |
| 2.3.1 中心处理器及其电路 | 第13-15页 |
| 2.3.2 电源电路设计 | 第15页 |
| 2.3.3 定位及通信模块选择及其电路设计 | 第15-16页 |
| 2.3.4 细小颗粒物传感器的选型 | 第16-17页 |
| 2.4 系统的总体电路 | 第17页 |
| 2.5 PCB制版 | 第17-18页 |
| 2.6 软件设计 | 第18-24页 |
| 2.6.1 软件流程 | 第18-19页 |
| 2.6.2 操作系统 | 第19-20页 |
| 2.6.3 传感器程序设计 | 第20-21页 |
| 2.6.4 定位程序设计 | 第21-24页 |
| 2.6.5 通信程序设计 | 第24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 基于BP神经网络的预测模型 | 第25-41页 |
| 3.1 神经元及神经网络 | 第25-27页 |
| 3.2 BP神经网络 | 第27-30页 |
| 3.2.1 BP神经网络简介 | 第27-29页 |
| 3.2.2 BP神经网络的优化 | 第29-30页 |
| 3.3 BP神经网络的设计 | 第30-31页 |
| 3.3.1 BP神经网络的参数 | 第30-31页 |
| 3.3.2 数据预处理 | 第31页 |
| 3.4 基于BP神经网络设计预测模型 | 第31-37页 |
| 3.4.1 数据相关性分析 | 第31-34页 |
| 3.4.2 数据归一化处理 | 第34页 |
| 3.4.3 BP神经网络的参数选择 | 第34-37页 |
| 3.5 实验结果分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于遗传神经网络的预测模型 | 第41-60页 |
| 4.1 遗传算法简介 | 第41页 |
| 4.2 遗传算法的特点 | 第41-42页 |
| 4.3 目标函数及适应度函数 | 第42-43页 |
| 4.4 染色体编码 | 第43-45页 |
| 4.4.1 二进制编码 | 第43-44页 |
| 4.4.2 格雷码编码 | 第44-45页 |
| 4.5 遗传操作 | 第45-47页 |
| 4.5.1 选择 | 第45页 |
| 4.5.2 交叉 | 第45-46页 |
| 4.5.3 变异 | 第46-47页 |
| 4.6 遗传算法对约束条件的处理 | 第47-48页 |
| 4.7 遗传算法的退出条件 | 第48页 |
| 4.8 遗传算法相关参数选择 | 第48-49页 |
| 4.9 遗传算法优化BP网络权值阈值 | 第49-53页 |
| 4.9.1 参数选择 | 第49-52页 |
| 4.9.2 优化的步骤 | 第52-53页 |
| 4.10 运行结果分析 | 第53-57页 |
| 4.11 软硬件联合测试 | 第57-59页 |
| 4.12 本章总结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 全文总结 | 第60页 |
| 5.2 未来展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 | 第67页 |