城市空气质量可视化分析实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 研究背景 | 第8-14页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-12页 |
| 1.2.1 国外发展现状 | 第9-10页 |
| 1.2.2 国内发展现状 | 第10-12页 |
| 1.3 城市环境空气质量的可视化 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第2章 城市空气质量可视化相关关键技术分析 | 第14-20页 |
| 2.1 信息可视化介绍 | 第14-15页 |
| 2.2 信息可视化研究方法 | 第15-17页 |
| 2.2.1 信息可视化参考模型 | 第15-16页 |
| 2.2.2 信息可视化技术的分类 | 第16页 |
| 2.2.3 信息可视化技术的数据类型 | 第16-17页 |
| 2.3 空气污染指数评价模型 | 第17-19页 |
| 2.3.1 空气污染指数的概念 | 第17页 |
| 2.3.2 空气污染指数的计算 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 环境空气质量预报数据的动态可视化 | 第20-29页 |
| 3.1 基于粗糙集的规则抽取 | 第20-22页 |
| 3.1.1 粗糙集理论简介 | 第20-22页 |
| 3.2 神经网络预测模型的实现 | 第22-26页 |
| 3.2.1 B-P神经网络的基本原理 | 第22页 |
| 3.2.2 预测模型的结构 | 第22-24页 |
| 3.2.3 神经网络的预测计算 | 第24页 |
| 3.2.4 预测结果分析 | 第24-26页 |
| 3.3 预报数据的建模分析 | 第26-29页 |
| 第4章 哈尔滨地区空气质量可视化实现 | 第29-45页 |
| 4.1 平行坐标技术的基本原理 | 第29-31页 |
| 4.1.1 平行坐标的定义 | 第29-30页 |
| 4.1.2 基于平行坐标的数据可视化分析方法 | 第30页 |
| 4.1.3 基于平行坐标的可视化聚类分析技术 | 第30-31页 |
| 4.2 环境空气质量数据分析 | 第31-34页 |
| 4.2.1 数据源分析 | 第31-33页 |
| 4.2.2 数据预处理 | 第33-34页 |
| 4.3 环境空气质量可视化的实现 | 第34-42页 |
| 4.3.1 ECharts读取空气质量数据 | 第34-36页 |
| 4.3.2 哈尔滨空气质量数据可视化呈现 | 第36-37页 |
| 4.3.3 查询处理 | 第37页 |
| 4.3.4 维缩放浏览 | 第37-39页 |
| 4.3.5 聚类分析 | 第39-41页 |
| 4.3.6 数据平均值 | 第41-42页 |
| 4.4 空气质量数据动态可视化及对比 | 第42-45页 |
| 第5章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51-54页 |
