| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 环境污染指数 | 第8页 |
| 1.1.2 国内城市环境污染指数监测系统发展现状 | 第8-9页 |
| 1.1.3 空气质量预测软件平台开发的意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-11页 |
| 1.3 本文工作内容 | 第11-14页 |
| 2 数据采集与描述性分析 | 第14-27页 |
| 2.1 数据采集系统 | 第14-19页 |
| 2.1.1 数据采集的接口介绍 | 第14-15页 |
| 2.1.2 数据采集参数传入方式的选择及API接口选择 | 第15-17页 |
| 2.1.3 数据集格式说明 | 第17-19页 |
| 2.2 缺失数据插值计算 | 第19-21页 |
| 2.3 数据可视化分析 | 第21-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 空气质量预报统计模型的建立与预测 | 第27-35页 |
| 3.1 空气质量预报统计模型 | 第27-31页 |
| 3.1.1 多元逐步回归模型 | 第27-29页 |
| 3.1.2 相似模型 | 第29-30页 |
| 3.1.3 自回归模型 | 第30页 |
| 3.1.4 模型效果检验 | 第30-31页 |
| 3.2 环境污染指数的实时在线预测 | 第31-34页 |
| 3.2.1 最小二乘算法 | 第31-32页 |
| 3.2.2 RFF算法 | 第32-33页 |
| 3.2.3 两种算法验证及分析 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 空气质量预报系统软件平台开发 | 第35-44页 |
| 4.1 软件平台开发系统 | 第35-36页 |
| 4.2 软件平台技术介绍 | 第36-39页 |
| 4.2.1 Tornado | 第36页 |
| 4.2.2 sklearn | 第36页 |
| 4.2.3 Numpy、Scipy和Matplotlib | 第36-37页 |
| 4.2.4 Pandas | 第37页 |
| 4.2.5 JQuery | 第37页 |
| 4.2.6 ECharts | 第37-38页 |
| 4.2.7 Jython | 第38-39页 |
| 4.3 软件平台搭建的问题与解决方案 | 第39-42页 |
| 4.3.1 计算时间过长 | 第39-41页 |
| 4.3.2 数据格式转换问题 | 第41-42页 |
| 4.4 软件平台各模块的介绍 | 第42页 |
| 4.4.1 主程序 | 第42页 |
| 4.4.2 分类器模块与可视化模块 | 第42页 |
| 4.5 本章小结 | 第42-44页 |
| 5 空气质量动态预测软件平台开发的实验结果分析 | 第44-51页 |
| 5.1 历史趋势仿真 | 第44-47页 |
| 5.2 趋势预报仿真 | 第47-50页 |
| 5.3 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |