| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第18-24页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.1.1 研究背景 | 第18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.2.1 国外研究现状 | 第19-20页 |
| 1.2.2 国内研究现状 | 第20-22页 |
| 1.3 研究内容与资料来源 | 第22页 |
| 1.3.1 研究内容 | 第22页 |
| 1.3.2 资料来源 | 第22页 |
| 1.4 论文组织结构和创新点 | 第22-24页 |
| 1.4.1 论文组织结构 | 第22-23页 |
| 1.4.2 论文创新点 | 第23-24页 |
| 2 研究区概况 | 第24-26页 |
| 2.1 地理环境概况 | 第24-25页 |
| 2.2 气象环境概况 | 第25-26页 |
| 3 数据预处理与研究方法 | 第26-43页 |
| 3.1 数据预处理 | 第26-29页 |
| 3.1.1 空气污染指数 | 第26-27页 |
| 3.1.2 数据缺失值填充 | 第27-29页 |
| 3.2 分析方法 | 第29-33页 |
| 3.2.1 小波分析 | 第29-31页 |
| 3.2.2 Daniel趋势检验法 | 第31-32页 |
| 3.2.3 模糊综合评价 | 第32-33页 |
| 3.3 预测方法 | 第33-43页 |
| 3.3.1 BP神经网络 | 第33-37页 |
| 3.3.2 果蝇算法 | 第37-40页 |
| 3.3.3 基于小波分解的BP网络与FOA-BP网络预测模型 | 第40-43页 |
| 4 南京市API在时间序列上的分析 | 第43-59页 |
| 4.1 API月际变化 | 第43-49页 |
| 4.1.1 API月际小波分析 | 第43-47页 |
| 4.1.2 API月均统计分析 | 第47-49页 |
| 4.2 API季节性变化 | 第49-53页 |
| 4.3 基于模糊综合评价的南京市十年间空气质量评价 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 南京市API神经网络预报模型的构建 | 第59-77页 |
| 5.1 数据的分类与整理 | 第59页 |
| 5.2 BP神经网络预报模型的设计 | 第59-65页 |
| 5.2.1 API数据归一化处理 | 第59-60页 |
| 5.2.2 BP神经网络预报模型的网格结构确定 | 第60-61页 |
| 5.2.3 MATLAB下南京市API的BP网络模型预测 | 第61-62页 |
| 5.2.4 南京市API的BP网络预报模型测试结果分析 | 第62-65页 |
| 5.3 基于果蝇算法优化的BP神经网络模型的建立 | 第65-70页 |
| 5.3.1 基于果蝇算法优化BP网络的步骤 | 第65-66页 |
| 5.3.2 MATLAB下南京市API的FOA-BP网络模型预测 | 第66-67页 |
| 5.3.3 南京市API的FOA-BP网络预报模型测试结果分析 | 第67-70页 |
| 5.4 基于小波分解的BP网络与FOA-BP网络预测模型 | 第70-74页 |
| 5.4.1 基于小波分解的BP网络与FOA-BP网络预测模型的建立 | 第70-71页 |
| 5.4.2 南京市API基于小波分解的BP与FOA-BP网络预测模型测试结果分析 | 第71-74页 |
| 5.5 四种预报模型的比较 | 第74-75页 |
| 5.6 本章小结 | 第75-77页 |
| 6 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |
