基于机器学习的上海市大气污染源解析研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究背景和意义 | 第14-18页 |
| 1.2 国内外研究现状 | 第18-22页 |
| 1.3 研究内容与技术路线 | 第22-23页 |
| 1.4 论文结构 | 第23-25页 |
| 第二章 相关理论概述 | 第25-33页 |
| 2.1 主成分分析 | 第25-26页 |
| 2.2 多元线性回归 | 第26-27页 |
| 2.3 渐进梯度回归树 | 第27-29页 |
| 2.4 随机森林 | 第29-33页 |
| 第三章 研究区域与数据 | 第33-40页 |
| 3.1 区域介绍 | 第33-34页 |
| 3.2 数据来源 | 第34-35页 |
| 3.3 数据预处理 | 第35-40页 |
| 第四章 大气颗粒物变化特征 | 第40-47页 |
| 4.1 大气颗粒物质量浓度变化特征 | 第40-44页 |
| 4.1.1 颗粒物年分布特征 | 第40-41页 |
| 4.1.2 颗粒物月变化特征 | 第41-43页 |
| 4.1.3 颗粒物日变化特征 | 第43-44页 |
| 4.2 水溶性离子成分变化特征 | 第44-45页 |
| 4.3 气态污染物变化特征 | 第45-47页 |
| 第五章 模型的建立 | 第47-60页 |
| 5.1 主成分分析 | 第47-52页 |
| 5.1.1 相关分析 | 第47-49页 |
| 5.1.2 主成分分析结果 | 第49-52页 |
| 5.2 回归模型的建立 | 第52-60页 |
| 5.2.1 多元线性回归模型 | 第53-55页 |
| 5.2.2 GBRT回归模型 | 第55-57页 |
| 5.2.3 随机森林回归模型 | 第57-60页 |
| 第六章 模型评价和结果分析 | 第60-68页 |
| 6.1 模型比较 | 第60-63页 |
| 6.1.1 评价指标 | 第60-61页 |
| 6.1.2 模型评价结果 | 第61-63页 |
| 6.2 源解析结果 | 第63-68页 |
| 第七章 结论与展望 | 第68-70页 |
| 7.1 结论 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
