首页--环境科学、安全科学论文--环境污染及其防治论文--大气污染及其防治论文--粒状污染物论文

基于数据挖掘的天津市PM2.5预测

摘要第3-4页
abstract第4页
第1章 绪论第7-13页
    1.1 课题研究背景与意义第7-9页
    1.2 国内外研究现状第9-11页
    1.3 研究内容和技术路线第11-13页
        1.3.1 研究内容第11-12页
        1.3.2 技术路线第12-13页
第2章 研究方法概述第13-25页
    2.1 关联规则挖掘算法第13-15页
        2.1.1 关联规则的原理第13-14页
        2.1.2 Apriori算法的原理与步骤第14-15页
    2.2 BP神经网络算法第15-20页
        2.2.1 BP神经网络的结构第16-18页
        2.2.2 BP学习算法步骤第18-20页
        2.2.3 BP学习算法的局限性第20页
    2.3 遗传算法第20-21页
    2.4 遗传神经网络-关联规则联合算法第21-25页
第3章 天津市PM_(2.5)的气象影响因素分析第25-47页
    3.1 PM_(2.5)质量浓度的自相关关系第26-28页
        3.1.1 PM_(2.5)质量浓度的时间变化规律第26-27页
        3.1.2 PM_(2.5)质量浓度的自相关关系第27-28页
    3.2 气压的影响第28-32页
        3.2.1 气压的时间变化规律第28页
        3.2.2 气压与PM_(2.5)质量浓度的关系第28-32页
    3.3 降水的影响第32-34页
        3.3.1 降水量的时间变化规律第32-33页
        3.3.2 降水与PM_(2.5)质量浓度的关系第33-34页
    3.4 相对湿度的影响第34-37页
        3.4.1 相对湿度的时间变化规律第34-35页
        3.4.2 相对湿度与PM_(2.5)质量浓度的关系第35-37页
    3.5 风向的影响第37-41页
        3.5.1 风向的时间变化规律第37-38页
        3.5.2 风向与PM_(2.5)质量浓度的关系第38-41页
    3.6 风速的影响第41-42页
        3.6.1 风速的时间变化规律第41页
        3.6.2 风速与PM_(2.5)质量浓度的关系第41-42页
    3.7 气温的影响第42-44页
        3.7.1 气温的时间变化规律第42-43页
        3.7.2 气温与PM_(2.5)质量浓度的关系第43-44页
    3.8 小结第44-47页
第4章 天津市PM_(2.5)与气象因素的关联规则挖掘第47-63页
    4.1 数据预处理第47-49页
    4.2 关联规则挖掘结果分析第49-61页
        4.2.1 春季关联规则挖掘第50-52页
        4.2.2 夏季关联规则挖掘第52-54页
        4.2.3 秋季关联规则挖掘第54-58页
        4.2.4 冬季关联规则挖掘第58-61页
    4.3 小结第61-63页
第5章 天津市PM_(2.5)质量浓度预测第63-75页
    5.1 数据准备第63-65页
        5.1.1 选取数据第63页
        5.1.2 关联向量的生成第63-65页
        5.1.3 数据归一化第65页
    5.2 模型设计第65-69页
        5.2.1 神经网络参数确定第65-68页
        5.2.2 遗传算法参数确定第68页
        5.2.3 关联向量确定第68-69页
        5.2.4 建立模型第69页
    5.3 预测结果分析第69-73页
    5.4 小结第73-75页
第6章 结论与展望第75-79页
    6.1 结论第75-77页
    6.2 建议与展望第77-79页
参考文献第79-83页
发表论文和科研情况说明第83-85页
致谢第85页

论文共85页,点击 下载论文
上一篇:中国不同城镇化水平区域CO2排放量与能源消耗的研究
下一篇:重金属工业废水渗坑的风险评价及渗坑废水处理研究