北京城区臭氧浓度变化规律及预测方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 概述 | 第7-19页 |
| ·研究目的与意义 | 第7-9页 |
| ·国内外研究进展 | 第9-18页 |
| ·O_3生成机理与影响因素 | 第9-12页 |
| ·O_3浓度变化规律 | 第12-13页 |
| ·O_3浓度预测方法研究 | 第13-18页 |
| ·主要研究内容 | 第18页 |
| ·主要创新点 | 第18-19页 |
| 2 研究方法 | 第19-30页 |
| ·观测点分布与周围环境 | 第19-22页 |
| ·典型道路环境及对照环境观测点介绍 | 第19-20页 |
| ·北京城区西北部采样点 | 第20-22页 |
| ·监测仪器 | 第22-24页 |
| ·O_3自动分析仪 | 第22-23页 |
| ·紫外照度计 | 第23页 |
| ·气象监测仪器 | 第23-24页 |
| ·分析方法 | 第24-30页 |
| ·人工神经网络简介 | 第24-25页 |
| ·遗传算法简介 | 第25-27页 |
| ·支持向量机简介 | 第27-28页 |
| ·评价指标的选择 | 第28-30页 |
| 3 北京城区O_3浓度变化规律 | 第30-45页 |
| ·北京典型道路环境中O_3浓度变化规律 | 第30-42页 |
| ·O_3浓度日变化规律 | 第30-32页 |
| ·O_3浓度季节变化规律 | 第32-34页 |
| ·前体物浓度与气象条件对O_3浓度的影响 | 第34-42页 |
| ·北京城区O_3浓度时空变化规律 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 4 改进BP神经网络算法的O_3浓度快速预测方法 | 第45-57页 |
| ·BP神经网络模型的建立 | 第45-48页 |
| ·训练数据准备 | 第45-46页 |
| ·BP神经网络模型的建立 | 第46-48页 |
| ·BP神经网络模型的优化 | 第48-49页 |
| ·遗传算法对BP神经网络权值的优化 | 第48-49页 |
| ·支持向量机对数据的分类优化 | 第49页 |
| ·预测结果 | 第49-56页 |
| ·BP神经网络预测结果 | 第49-52页 |
| ·GA优化的BP神经网络预测结果 | 第52-55页 |
| ·基于SVM数据分类的GABP神经网络预测结果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 个人简介 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 致谢 | 第64页 |
