大气污染物排放监测算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景以及意义 | 第11-12页 |
| 1.2 污染源排放监测技术国内外研究现状 | 第12-14页 |
| 1.3 污染源排放监测模型 | 第14-16页 |
| 1.4 论文主要工作 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 改进的BP神经网络数据分类模型 | 第18-43页 |
| 2.1 引言 | 第18页 |
| 2.2 常用分类算法 | 第18-20页 |
| 2.3 人工神经网络基础理论 | 第20-24页 |
| 2.3.1 人工神经网络概述 | 第20-22页 |
| 2.3.2 BP神经网络 | 第22-23页 |
| 2.3.3 BP算法 | 第23-24页 |
| 2.3.4 应用神经网络的一般流程 | 第24页 |
| 2.4 布谷鸟搜索算法 | 第24-26页 |
| 2.5 改进的BP神经网络 | 第26-32页 |
| 2.6 支持向量机 | 第32-42页 |
| 2.6.1 统计学习理论基础 | 第32-33页 |
| 2.6.2 支持向量机概述 | 第33-35页 |
| 2.6.3 拉格朗日对偶性 | 第35-38页 |
| 2.6.4 核函数 | 第38-42页 |
| 2.7 本章小结 | 第42-43页 |
| 3 自适应模拟退火算法及其改进 | 第43-51页 |
| 3.1 模拟退火原理 | 第43-45页 |
| 3.2 快速模拟退火算法 | 第45页 |
| 3.3 自适应模拟退火算法 | 第45-50页 |
| 3.3.1 重退火过程 | 第46-47页 |
| 3.3.2 改进的自适应模拟退火算法 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 监测算法仿真实现 | 第51-68页 |
| 4.1 污染源数据模拟 | 第51-53页 |
| 4.2 基于改进的BP网络的监测数据分类 | 第53-62页 |
| 4.3 基于自适应模拟退火算法及其改进的源强反算 | 第62-66页 |
| 4.4 本章小结 | 第66-68页 |
| 5 总结与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
