数据挖掘技术在北京市雾霾预测及雾霾经济模型中的应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-10页 |
| 1.2.1 理论意义 | 第9页 |
| 1.2.2 现实意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-13页 |
| 1.3.3 文献述评 | 第13页 |
| 1.4 研究内容和组织结构 | 第13-15页 |
| 第2章 数据挖掘方法介绍 | 第15-27页 |
| 2.1 数据挖掘概述 | 第15-16页 |
| 2.2 数据预处理方法 | 第16页 |
| 2.3 数据挖掘算法 | 第16-26页 |
| 2.3.1 支持向量机(SVM) | 第17-20页 |
| 2.3.2 径向基函数神经网络(RBF) | 第20-22页 |
| 2.3.3 动态神经网络 | 第22-26页 |
| 2.4 分析平台——MATLAB2013a | 第26-27页 |
| 第3章 北京市雾霾预测 | 第27-44页 |
| 3.1 雾霾概述 | 第27-31页 |
| 3.1.1 雾霾的定义 | 第27页 |
| 3.1.2 雾霾的来源 | 第27-30页 |
| 3.1.3 雾霾的影响 | 第30-31页 |
| 3.2 北京雾霾现状 | 第31-35页 |
| 3.2.1 从总体角度分析 | 第31-32页 |
| 3.2.2 从各污染物角度分析 | 第32-35页 |
| 3.3 北京雾霾预测 | 第35-43页 |
| 3.3.1 数据预处理 | 第35-36页 |
| 3.3.2 算法实现 | 第36-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 北京雾霾经济模型 | 第44-51页 |
| 4.1 雾霾经济 | 第44页 |
| 4.2 北京雾霾经济模型的建立 | 第44-50页 |
| 4.2.1 变量选取 | 第44-47页 |
| 4.2.2 灰色关联分析 | 第47-48页 |
| 4.2.3 北京雾霾经济模型的建立 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 北京雾霾的治理对策 | 第51-54页 |
| 5.1 机动车污染控制 | 第51-52页 |
| 5.1.1 减少机动车保有量 | 第51-52页 |
| 5.1.2 提倡绿色出行 | 第52页 |
| 5.2 燃煤污染控制 | 第52页 |
| 5.3 建筑施工控制 | 第52-53页 |
| 5.4 工业污染减排 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 全文工作总结 | 第54页 |
| 6.2 进一步工作的方向 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 个人简介及攻读学位期间获得成果目录清单 | 第62-63页 |
| 致谢 | 第63页 |
