| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 空气颗粒物的基本特征 | 第10-12页 |
| 1.2.2 空气颗粒物源解析 | 第12-13页 |
| 1.2.3 空气污染预报现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 第2章 城市PM_(2.5) 污染规律研究 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 PM_(2.5) 时间变化规律 | 第16-18页 |
| 2.3 PM_(2.5) 影响因素分析 | 第18-23页 |
| 2.3.1 与天气、风向的关系 | 第18-19页 |
| 2.3.2 与温度、湿度、风力的关系 | 第19-20页 |
| 2.3.3 与其他污染物的关系 | 第20-21页 |
| 2.3.4 采暖对PM_(2.5) 的影响 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 大气环境中PM_(2.5) 污染成因分析 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 逐步回归分析 | 第24-30页 |
| 3.2.1 基本原理 | 第24-27页 |
| 3.2.2 实现步骤 | 第27页 |
| 3.2.3 结果分析 | 第27-30页 |
| 3.3 多元线性回归分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于主成分分析的PM_(2.5) 特征提取 | 第33-45页 |
| 4.1 引言 | 第33页 |
| 4.2 主成分分析法理论 | 第33-40页 |
| 4.2.1 几何意义 | 第33-36页 |
| 4.2.2 数学模型 | 第36-39页 |
| 4.2.3 实现步骤 | 第39-40页 |
| 4.3 主成分提取 | 第40-44页 |
| 4.3.1 数据预处理 | 第40-41页 |
| 4.3.2 实现过程 | 第41-42页 |
| 4.3.3 结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于PCA-BP神经网络的PM_(2.5) 浓度预测 | 第45-59页 |
| 5.1 引言 | 第45页 |
| 5.2 神经网络理论特点 | 第45-46页 |
| 5.3 BP神经网络 | 第46-49页 |
| 5.3.1 变量定义 | 第46-47页 |
| 5.3.2 输入信号正向传播 | 第47-48页 |
| 5.3.3 误差反向传播 | 第48-49页 |
| 5.4 实验仿真 | 第49-58页 |
| 5.4.1 数据预处理 | 第51-52页 |
| 5.4.2 网络训练与结果分析 | 第52-55页 |
| 5.4.3 结果对比 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |