| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 雾霾时空演化预测的国内外研究历史与现状 | 第11-15页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 基于卷积神经网络的雾霾等级分类研究 | 第17-35页 |
| 2.1 研究区域与数据选择 | 第17-20页 |
| 2.1.1 研究区域的选择 | 第17-18页 |
| 2.1.2 数据的选择 | 第18-20页 |
| 2.2 数据处理方法及反演 | 第20-24页 |
| 2.2.1 数据预处理方法 | 第21-22页 |
| 2.2.2 AOD反演结果与雾霾浓度相关性分析 | 第22-24页 |
| 2.3 卷积神经网络的雾霾浓度分类法 | 第24-34页 |
| 2.3.1 卷积神经网络的数据处理 | 第25-27页 |
| 2.3.2 卷积神经网络的结构 | 第27-31页 |
| 2.3.3 参数调节方法 | 第31-32页 |
| 2.3.4 结果分析对比 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于卷积神经网络的雾霾等级预测研究 | 第35-50页 |
| 3.1 数据的选择与处理 | 第35-38页 |
| 3.1.1 数据的选择及标定 | 第35-36页 |
| 3.1.2 遥感数据去云处理 | 第36-37页 |
| 3.1.3 一维数据处理 | 第37-38页 |
| 3.2 卷积-回归网络对雾霾等级的分析及预测 | 第38-41页 |
| 3.2.1 卷积回归网络的结构及特征 | 第38-39页 |
| 3.2.2 损失函数及结果分析 | 第39-41页 |
| 3.3 时域一维卷积神经网络对雾霾的时间序列的分析及预测 | 第41-49页 |
| 3.3.1 一维卷积神经网络预测的理论研究 | 第41-43页 |
| 3.3.2 一维卷积神经网络的结构 | 第43-44页 |
| 3.3.3 一维卷积神经网络的优势分析 | 第44-47页 |
| 3.3.4 一维卷积方法对雾霾浓度的预测 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于多卷积联合神经网络的雾霾空间分析 | 第50-66页 |
| 4.1 数据的处理与标定 | 第50-51页 |
| 4.2 多卷积神经网络联合的结构及输出结果分析 | 第51-55页 |
| 4.2.1 多卷积联合神经网络的结构 | 第51-52页 |
| 4.2.2 结果分析 | 第52-55页 |
| 4.3 雾霾等级的空间分析 | 第55-64页 |
| 4.3.1 雾霾浓度空间自相关分析 | 第56-59页 |
| 4.3.2 空间自相关实验结果 | 第59-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 全文总结与展望 | 第66-68页 |
| 5.1 全文总结 | 第66-67页 |
| 5.2 后续工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间取得的成果 | 第74页 |