大氣污染物時空變化規(guī)律及人工智能優(yōu)化算法研究：以北京市為例

前言
第1章 緒論
1．1 概述
1．2 大氣顆粒物
1．2．1 大氣顆粒物的物理化學性質
1．2．2 大氣顆粒物的危害
1．3 氣態(tài)污染物
1．3．1 一氧化碳（CO）的性質及危害
1．3．2 臭氧（O3）的性質及危害
1．3．3 二氧化氮（N02）的性質及危害
1．3．4 二氧化硫（SO2）的性質及危害
1．4 大氣污染防治標準
1．4．1 國外大氣污染防治標準
1．4．2 國內大氣污染防治標準
參考文獻
第2章 大氣污染物濃度變化規(guī)律及污染水平研究
2．1 概述
2．2 大氣污染物實時監(jiān)測點位分布及數(shù)據(jù)處理
2．2．1 北京市監(jiān)測點位地理分布概況
2．2．2 季節(jié)劃分及數(shù)據(jù)基礎
2．3 大氣污染物質量濃度的季節(jié)性變化
2．3．1 大氣污染物的平均質量濃度時間序列
2．3．2 大氣污染物質量濃度的月變化
2．4 大氣污染物質量濃度的逐時變化
2．4．1 日變化特征
2．4．2 頻數(shù)分布
2．5 大氣污染物質量濃度相關性研究
2．5．1 線性回歸分析與相關關系
2．5．2 大氣污染物質量濃度的相關性分析
2．6 本章小結
參考文獻
第3章 環(huán)境空氣質量評價方法研究
3．1 概述
3．2 AQI指數(shù)法的研究應用
3．2．1 AQI污染級別劃分及計算方法
3．2．2 基于AQI評價的北京空氣質量級別
3．3 基于改進灰色算法的聚類評價研究
3．3．1 灰色聚類模型及改進
3．3．2 基于改進灰色聚類法的北京空氣質量評價
3．4 基于人工神經網(wǎng)絡的分類評價研究
3．4．1 人工神經網(wǎng)絡
3．4．2 神經網(wǎng)絡建模的實現(xiàn)
3．5 綜合評價法分級標準討論
3．5．1 綜合評價法結果對比
3．5．2 基于AQI的綜合評價指標探討
3．6 本章小結
參考文獻
第4章 大氣顆粒物質量濃度預測模型研究
4．1 概述
4．2 基于氣象參數(shù)的多元線性回歸預測模型
4．2．1 輸入因子改進
4．2．2 預測模型的建立
4．3 基于氣象參數(shù)的機器學習算法預測模型
4．3．1 建模算法原理
4．3．2 預測模型的建立
4．4 基于模糊時序的支持向量機回歸預測模型
4．4．1 時間序列的模糊粒化
4．4．2 時序預測模型的建立
4．5 本章小結
參考文獻
第5章 大氣顆粒物時空分布特征及插值模擬
5．1 概述
5．2 顆粒物質量濃度的時間和空間變化特征
5．2．1 顆粒物質量濃度的時間變化特征
5．2．2 顆粒物質量濃度的空問分布特征
5．3 基于空間插值法的顆粒物時空分布模擬
5．3．1 m維空間的雙調和格林函數(shù)插值
5．3．2 空間插值算法的MATLAB實現(xiàn)
5．4 顆粒物質量濃度的插值模擬結果分析
5．4．1 模擬結果驗證
5．4．2 分析討論
5．5 本章小結
參考文獻
第6章 微環(huán)境大氣顆粒物垂直分布規(guī)律及理化特性研究
6．1 概述
6．2 大氣顆粒物垂直分布特征及室內外變化規(guī)律研究
6．2．1 儀器材料與實驗方法
6．2．2 大氣顆粒物垂直結構特征
6．2．3 污染物室內外及不同高度變化規(guī)律
6．3 基于SEM的單體顆粒物形貌分析
6．3．1 儀器材料與實驗方法
6．3．2 單顆粒物微觀形貌分析
6．4 大氣顆粒物化學組成特性研究
6．4．1 元素富集分析
6．4．2 基于聚類的化學元素組成特征分析
6．5 本章小結
參考文獻
第7章 結論及展望
7．1 主要研究結論
7．2 展望
附錄A 國標規(guī)定的污染物項目及濃度限值
附錄B 氣態(tài)污染物質量濃度變化規(guī)律及污染水平
附錄C AQI評價結果、污染物平均質量濃度及白化函數(shù)
附錄D LIBSVM回歸預測最佳參數(shù)優(yōu)選圖
附錄E 大氣顆粒物質量濃度區(qū)域分布插值模擬