一、燃煤型城市环境大气质量综合评价的模糊神经网络模型（论文文献综述）
汪惠青[1]（2020）在《大气污染治理的生态补偿及投融资机制研究》文中认为党的十八大以来,以习近平同志为核心的党中央始终把生态文明建设摆在治国理政的重要战略位置。我国生态文明建设工作中的一项重要任务,就是治理大气污染,改善空气质量。目前,我国大气污染治理工作已步入科学化和精细化阶段,各项政策措施正在积极推进,但由于我国存在产业结构偏重、能源结构偏煤、交通运输结构不合理等现实情况,导致出现大气污染物排放总量大、排放强度高、治理资金不足等问题,大气污染防治工作已进入攻坚阶段。在此背景下,建立大气污染治理生态补偿机制,不仅能够协调大气污染治理各参与方的利益,提高大气污染治理效率,而且有利于发挥金融手段对市场的激励和引导作用,推动生态文明建设事业长足发展。由于大气污染的成因复杂,且具有明显的跨区域流动性,相对于生态补偿的传统领域（流域、土壤、森林等）而言,大气污染治理生态补偿对区域间的协同合作要求更高,是生态补偿的难点领域,相关理论研究和实践经验均较少。基于新时代生态文明建设的重要性,十九大报告对我国生态文明建设作了深入的阐述和部署,强调要“建立市场化、多元化生态补偿机制”。因此,在习近平生态文明思想指引下,对我国大气污染治理生态补偿的相关问题进行探索具有重要意义。建立市场化、多元化的大气污染治理生态补偿机制,重点要解决“谁补偿谁”“补偿标准”和“资金来源”这三个关键问题。“谁补偿谁”回答的是生态补偿主体的问题,即在大气污染难以界定责任方和受益方的情况下,如何合理地确定生态补偿的补偿主体和受偿主体。针对这一问题,本文充分考虑了不同城市在社会经济发展现状和工业化发展路径中存在的差异性,通过聚类分析法将我国272个地级及以上城市按照工业化发展阶段划分为5类,为确定补偿主体和受偿主体提供依据。以期在实现大气污染治理目标的同时,最大限度促进社会经济的可持续发展。“补偿标准”是生态补偿的核心问题,涉及到生态补偿金额的计算和分配。对大气污染进行生态补偿的关键是要明确受偿主体为实现大气污染治理的共同目标,替补偿主体承担的额外治理任务,及其付出的社会经济成本。本文从大气污染治理和经济发展的关系出发,通过构建PSTR模型,分析处于不同工业化发展阶段的城市进行大气污染治理的经济成本。从大气污染的扩散范围和程度出发,以京津冀及周边“26+2”城市为例,构建空间自相关模型,分析建立大气污染治理生态补偿的“协同治理圈”的合理性;构建污染物衰退模型,对大气污染的扩散程度进行核算,为计算生态补偿标准提供依据。“资金来源”是生态补偿需要解决的关键问题,大气污染治理生态补偿需要充足的资金支持。充分发挥金融机构对资金供需的调节作用,通过完善大气污染治理投融资机制,为社会资金参与大气污染治理提供渠道,在解决大气污染治理融资需求的同时,也能满足社会资金对相关绿色项目的投资需求。本文从大气污染治理行业的投融资特征、大气污染治理的财政和金融支持、大气污染治理的金融工具和资金来源等角度出发,对我国大气污染治理的投融资现状进行了系统分析。最后,基于相关的理论分析与实证研究,本文从促进生态补偿与社会经济协同发展,拓展市场化、多元化补偿途径,健全大气污染治理投融资机制,完善大气污染治理生态补偿制度体系等方面提出了建议。
张云菲[2]（2020）在《新疆大气污染物特征及预测分析》文中提出随着新疆经济的不断发展,大气环境质量也受到了相应程度的影响。如今,政府对大气环境污染问题也越发的重视,连续出台了多项规章制度,对大气环境污染的管控和监管力度也有所加大。现对新疆大气污染物特征及其影响因素进行分析讨论,同时对新疆大气污染物浓度进行预测研究,其不仅具有一定的科学意义,且对实现新疆可持续发展具有一定的参考价值。本文分析讨论新疆大气污染物时空变化特征,基于模糊综合评价法分析评价新疆大气污染现状,利用灰色关联度法探讨新疆大气污染物影响因素,同时通过人工神经网络模型及灰色预测模型对新疆大气污染物进行预测,对预测结果进行对比分析,再选出适合新疆大气污染物的预测模型,提出优化新疆大气环境质量的相关建议,为新疆今后大气污染防治提供理论基础。本次研究得到以下主要结论:（1）2015年到2018年,新疆首要污染物是PM2.5及PM10。新疆大气环境质量1月、2月、3月、12月最差,6月、7月、8月最好,PM2.5、PM10、SO2、CO及NO2月均浓度变化基本一致呈“U”型,1月、2月、3月、11月及12月浓度相比其他月份较高,6月、7月、8月浓度较低;而O3月均浓度变化呈“倒U”型,6月到8月浓度相较于其他月份高。（2）新疆大气污染物浓度在空间分布上存在差异性。2015-2018年新疆AQI存在显着空间自相关性,2015-2018年塔城地区的AQI均呈低值聚集,阿克苏地区及喀什地区AQI呈高值集聚;2015-2018年新疆各大气污染物除PM2.5和PM10外空间相关性均不明显。（3）由模糊评价结果表明,相比2015年及2016年,新疆2017年及2018年的大气环境质量明显好转;乌鲁木齐市、吐鲁番市、阿克苏地区、克州、喀什地区、博州及和田地区大气环境质量好转,相比其他区域,阿勒泰地区大气环境质量保持较好。（4）对大气污染物浓度影响最大的指标层是污染物来源因素,其次是城市化与产业结构因素,气象因素对大气污染物浓度影响最小。气象因素中气温、相对湿度与新疆大气污染物关联度较高;城市化与产业结构因素中人口密度、绿化覆盖率、建成区面积及工业生产总值与新疆大气污染物浓度的关联度较高;污染物来源因素中工业原煤消费量、公路客运量、二氧化硫排放量及烟（粉）尘排放量与新疆大气污染物浓度的关联度较高。（5）通过对比三个大气污染物浓度预测结果,BP网络模型对大气污染物浓度进行预测更为合适,更有助于大气污染防控。结合新疆实际情况,为更好巩固新疆大气污染治理效果,应进一步关注新疆首要污染物的治理,加强其控制力度,对大气污染相对严重区域进行加强管理,从源头抓起,控制建设用地面积,扩大绿地覆盖率,进一步优化产业结构,改变以燃煤为主的能源结构。
郭莹[3]（2020）在《姚家港工业园环境质量综合评价》文中提出随着国内经济飞速发展,产业群集聚的工业园区逐渐成为污染物排放的集中区域。国内高污染的产业发展模式己经制约新时代经济的发展,工业三废排放问题己逐步引起人们重视,尤其是某些工业园区的产业开发项目,由于环境管理经验不足,导致开发中产生了不可忽视的环境污染问题。工业园区环境问题的研究有重要的实际意义。本研究系统介绍了国内外环境质量评价的研究现状,阐释了环境质量评价指标体系和评价方法。基于污染物排放和环境管理视角,从水、大气、土壤和声环境质量四个方面对工业园区环境质量进行了深入分析,制定适用于化工产业园的环境质量评价指标体系,同时采用熵权法确定评价指标体系中各指标的权重。本文选取枝江市姚家港工业园区为研究对象,通过核算研究区污染物产生量,综合评价该区域环境质量并进行预测研究,针对工业园发展中存在的主要环境问题提出解决方案。本论文的研究成果,能为科学管理工业生产活动,保护和修复园区生态环境提供科学依据。1.本研究依托环境监测数据和相关统计资料,对工业园区污染物产生量进行核算,并对研究区环境质量现状进行研究。基于单因子标准指数法对园区大气、水、土壤和声环境质量进行评价。在此基础上,结合综合指数法对园区总体环境质量进行综合评价。2.基于熵权法对工业园区环境质量评价指标进行权重确定,并构建综合评价指标体系。通过已构建的评价指标体系进行姚家港工业园的环境质量评价,研究的综合评价指数为0.9436。工业园区综合质量评价等级分非常好、较好、一般和差与非常差以及极差六个等级,2017年姚家港工业园区环境质量综合评价等级为第三级,园区总体环境质量一般。3.对姚家港工业园区2025年和2030年的水环境质量和大气环境质量以及声环境环境质量状况进行预测。根据水环境质量预测,研究区COD、NH3-N和TP标准指数均有上升趋势,其中NH3-N和TP标准指数的上升幅度最大,分别为由0.269上升到1.395和由0.46上升到0.994;COD和NH3-N的含量均超过工业园区地表水环境质量三级标准。根据大气环境质量预测,研究区SO2和NO2的标准指数有较大上升幅度趋势,大气环境质量将符合二级标准。根据声环境质量预测,昼间噪声监测值由57.9dB下降到55dB,夜间噪声监测值由48.5dB上升到55dB,声环境质量预测值均符合相应标准。4.结合姚家港工业园环境质量评价分析和预测结果提出各类环境保护对策。针对园区水环境质量下降趋势,设计园区污水排放优化工艺;针对园区大气环境质量下降趋势,建议推广园区清洁生产并强化自动监管体系。建议从关键技术与政策管理方面提升园区污染防治综合水平,改善园区环境质量和环境管理体系。
张星灿[4]（2019）在《修正Logistic-RBF组合模型的构建及其在空气质量评价中的应用》文中进行了进一步梳理十九大报告中强调要持续进行空气污染防治攻坚行动,要打赢蓝天保卫战,并且努力使人民群众对美丽生态环境抱有更多获得感和幸福感。在这样的背景下,对空气环境质量进行有效地评估是对空气污染防治行动做出的积极响应,同样也是检验空气污染防治工作好坏的一项重要标准。因此,在经济高质量发展格局下对空气质量进行高精度评价具有重要的指导意义。为了实现对空气质量的高精度评价,并考虑到模型的优缺点以及组合模型权重求解的可行性。选用统计学中的稳健性较好的Logistic回归模型和非统计学中的训练速度及精度较高的RBF神经网络模型。首先,结合空气质量标准等级和江西省空气环境污染物浓度值的实际情况将空气质量标准等级分为五级,并在五个空气质量标准等级内随机生成100组数据以满足模型训练的要求,同时运用因子分析法对污染物指标进行选取,保证所选取出的关键污染物指标在所属类别中对最终评价结果影响最显着,能降低低浓度值的污染物对最终评价结果的影响,也避免了人为选取指标的主观性。然后,通过研究实际情况下空气质量污染物浓度值的范围及分布趋势,提出Logistic回归模型并进行修正,通过软件1stOpt中的遗传算法对Logistic回归模型参数进行优化,最终得到修正Logistic回归模型并通过了拟合模型检验以及模型参数的检验;其次在MATLAB中用100组数据对RBF神经网络模型进行训练达到精度要求后收敛。最后,采用线性规划法对两单一模型进行组合,组合模型通过有效性和相关性检验后将组合模型的评价结果与单一模型的评价结果进行对比得知组合模型在稳健性和精度均占优,据此提出基于修正Logistic—RBF网络组合模型。通过对江西省空气质量进行实例分析,并与单一模型以及常规评价方法的结果进行对比。结果表明:组合模型得出的评价结果与常规方法的评价结果惊人的一致,说明了组合模型的适用性,另组合模型的精度和稳健性都要高于单一模型且得到的评价结果是连续的实数值,解决了常规评价方法对空气质量进行评价时结果的不相容问题,即可以对传统评价方法得出的同一等级内的区域进行比较。因此,本文提出的是一种新的空气质量评价方法,具有广泛的应用价值。
范秋香[5]（2019）在《大气环境质量评价及污染特征研究 ——以临沂经济技术开发区为例》文中提出随着经济的迅猛发展,大气环境污染问题日益严重,然而大气是我们人类赖以生存的最重要的环境要素之一,大气质量的好坏直接影响着人类的健康水平和生活质量,所以大气污染作为环境问题的主要分支在世界各国受到了普遍的重视,大气污染防治工作也势在必行。临沂经济技术开发区位于山东省东南部,2003年被国务院批准为国家级经济技术开发区。经过多年的发展,当地的城市化进程不断加快,由此所带来的大气环境问题也日益突出。鉴于当前大气环境质量问题尤为突出,本研究以临沂经济技术开发区为研究对象,根据获取的20142018年大气监测数据,分别从年、月、日的角度分析了研究区内PM10、PM2.5、SO2、NO2、NOx、CO、O3七项污染物近五年的分布特征及年际月际变化趋势,同时通过模糊综合评价法与三层BP神经网络结构模型对研究区2017、2018年污染物月均值进行评价,并对比两种评价方法的优劣。研究的主要内容及成果如下:（1）通过对研究区内自然环境及社会环境概况详细分析后,对污染物PM10、PM2.5、SO2、NO2、NOx、CO、O3的年均值及月均值进行图表统计,研究分析各项污染物在20142018年的分布特征及变化趋势。结果表明污染物PM10、PM2.5、SO2、NO2、NOx、CO呈逐年下降的趋势,并表现出明显的季节变化特征,即采暖期污染物浓度高,非采暖期浓度低的特点;污染物O3则呈逐年升高的趋势,并表现出夏季浓度高、春秋季节浓度次之、冬季浓度最低的变化特征。（2）采用环境空气质量指数法（AQI）对研究区污染物PM10、PM2.5、SO2、NO2、CO、O3进行日均分布特征研究,对污染情况进行分级,并对各级污染中的首要污染物进行统计分析。结果表明,污染物PM10、PM2.5为研究区大气环境的首要污染物。（3）采用Spearman秩相关系数法分析了研究区20142018年的七项污染物的年均值与月均值变化趋势。结果表明,污染物PM10、PM2.5与SO2的年均浓度均呈显着的下降趋势,NO2与NOx的变化呈不显着的下降趋势,O3呈显着上升趋势。（4）通过模糊综合评价法与BP神经网络评价法对研究区2017、2018年大气质量进行评价,并对比两种评价方法在大气质量评价中的优劣性。结果表明,采用模糊综合评价法分析2017与2018年大气环境质量的结果均达到Ⅱ级,而采用BP神经网络评价法的结果中均有5个月为Ⅲ级;通过对比分析两种方法的评价结果可知,针对本研究区的大气环境质量评价,BP神经网络法较模糊综合评价法更具有优势。（5）结合研究区大气质量分析与评价结果,提出相应的整改和防治措施,以改善研究区的大气环境质量状况。
彭琛玲[6]（2019）在《湖南省环境空气质量评价及其影响因素分析》文中指出本文基于2015年～2017年湖南省范围内的14个城市设区以上的78个环境空气质量自动监测国控站点,跟据S02、N02、PM2.5、PM10、CO、03六项空气污染物指标的月均、年均浓度,分析了 2015年至2017年间湖南省14个城市主要污染物的时空变化特征,同时,采用模糊综合法对湖南省14个地市的空气环境质量进行评价,并分析了湖南省环境空气质量的影响因素,得出了以下主要结论:（1）2015年至2017年,湖南省14个城市的主要污染物均呈现明显的时间变化特征,S02、N02、CO、PM2.5和PM10较高浓度均出现在冬季,03夏秋浓度高于春冬。三年中,S02浓度整体呈下降趋势,CO浓度变化不大,03浓度呈上升趋势。（2）SO2浓度空间分布特征为自西向东、由南往北均呈现先扬再抑的趋势;N02浓度呈现自西向东逐渐上升,由南往北先上升再下降;PM2.5浓度值冬季高于夏季,东部浓度值高于西部,南部低于北部;PM10浓度空间分布特征是东西两侧向中部地区扩散递减;CO浓度值冬季高于夏季,空间分布特征自西向东先上升再下降,北部地区浓度高于南部地区;O3质量浓度夏秋季节的空间分布特征是由北部向西南方向分层扩散递减,秋冬季则相反。（3）运用模糊综合法评价得出2015—2017年湖南省14个城市中空气质量较好的城市有吉首市、郴州市和永州市,空气质量较差的城市有湘潭市、长沙市和株洲市。三年来,只有长沙市、湘潭市、衡阳市、岳阳市、张家界市、益阳市、永州市和娄底市这8个城市三年来的空气质量是越来越好的。（4）空气质量评价反映湖南省的首要污染物为PM2.5,通过对PM2.5与其他污染物的相关性研究,发现PM2.5与PM10的线性关系最好,其次是N02、CO和SO2,PM2.5与03月平均浓度的线性关系不显着。（5）为寻找湖南省环境空气质量的影响因素,运用Pearson相关分析法和灰色关联度法,分别从自然和经济两个因素做了定量分析。结果显示:自然因素方面,平均气温对O3影响最大,降雨量对CO影响最大,日照时数对S02、NO2、pM25和PM10影响程度最大;经济因素方面,SO2与年末总人口、绿化覆盖率、生产总值、第二产业增加值、汽车拥有总量、人均GDP呈极显着负相关关系,与废气污染物排放量呈极显着正相关,NO2与汽车拥有总量呈显着负相关关系,与废气污染物排放量呈极显着正相关关系,PM10与废气污染物排放量呈极显着正相关关系。与SO2、NO2和PM10浓度关联度最高的四项经济指标是废气污染物排放量、总人口数、绿化覆盖率和能源消耗总量。
赵璇[7]（2019）在《昆明市晋宁区城市宜居性研究》文中指出在我国快速城镇化发展时期,小城市生态环境良好、城市尺度适宜,却多处于城乡建设管理体系的末端,经济发展水平和生活环境质量都受到一定的局限。云南省自然资源条件优势明显,但生态基础十分脆弱。与经济效益相比,生态效益和社会效益更为重要。对于云南的多数小城市,以宜居为导向的城市规划建设既是对生态环境的主动保护,也是改变传统粗放经济发展方式的有效途径。本论文通过对现有宜居城市评价指标体系的比较研究,发现云南小城市宜居发展缺乏针对性引导。以昆明市晋宁区为样本,基于宜居城市科学评价标准,通过理论研究和案例分析,将生态环境和人居环境作为关注重点,从经济水平、生活环境、基础设施、社会文明、生态环境、公共安全六个方面入手,探讨城市宜居性评价指标体系并进行评价,找出宜居城市建设过程中存在的问题并提出相应的解决策略。通过晋宁区城市宜居性评价指标体系的构建,本论文认为晋宁区仍处于宜居城市建设初级阶段,但有较好的基础条件和发展空间。在云南,有大量小城市与晋宁区在环境条件、发展程度等方面相似,本论文基于晋宁区城市宜居性研究,综合考虑社会、经济、文化、生活、安全等诸多因素,以生态环境和人居环境为价值排序中的首要要素,提出云南小城市宜居城市的建设路径。
李经纬[8]（2018）在《大庆市环境空气质量现状分析和大气颗粒物来源解析》文中指出大庆市随着城市化、工业化和区域经济一体化进程的加快,面临环境空气污染问题,尤其以颗粒物为特征污染物的灰霾天气对大庆市居民健康和社会经济发展造成了一定的不利影响,因此,开展大庆市环境空气质量现状分析和大气颗粒物来源解析工作,是其制定环境空气质量改善策略的基础和前提。选择了SO2、NO2、PM10、PM2.5、O3和CO作为环境空气质量评价指标,基于模糊综合评价法构建了评估模型,分别对大庆市20142017年各年的全年、采暖期和非采暖期的环境空气质量现状进行分析,研究结果表明:大庆市全年、采暖期和非采暖期的环境空气质量综合指数在2015年均高于2014年,2016年和2017年呈现持续下降,并均低于2014年;环境空气质量呈现逐渐好转趋势,与大庆市人民政府制定《大庆市大气污染防治专项行动实施方案（2016-2018年）》并付诸实践是密切相关的。大庆市主要大气污染物识别结果为PM2.5和PM10,两者全年污染贡献率之和超过60%,占主导地位。基于《大气颗粒物来源解析技术指南（试行）》,应用CMB模型对大庆市大气颗粒物PM10和PM2.5来源进行解析,研究结果表明:非采暖期,开放源（土壤风沙尘、建筑水泥尘和城市扬尘）对PM10和PM2.5的分担率分别为33.8%和27.6%;燃煤对PM10和PM2.5的分担率分别为13.6%和15.3%;机动车尾气对PM10和PM2.5的分担率分别为11.2%和12.8%;工业废气对PM10和PM2.5的分担率均为5.3%;二次颗粒物硫酸盐、硝酸盐和SOC对PM10和PM2.5的分担率分别为5.9%、4.3%、9.2%和7.4%、7.8%和10.6%。采暖期,燃煤对PM10和PM2.5的分担率分别为27.2%和29.8%;机动车尾气对PM10和PM2.5的分担率分别为12.9%和14.9%;开放源对PM10和PM2.5的分担率分别在13.9%和6.8%;工业废气和生物燃烧对PM10和PM2.5的分担率分别在9.3%、10.7%和7.2%、6.5%;二次颗粒物硫酸盐、硝酸盐和SOC对PM10和PM2.5的分担率分别为3.2%、2.4%、6.3%和3.5%、3.1%和7.0%。将二次颗粒物的贡献按一定比例分摊到其前体物的一次排放源后,全年,燃煤对PM10和PM2.5的分担率分别为27.7%和29.8%;开放源对PM10和PM2.5的分担率分别为24.0%和16.9%;工业废气对PM10和PM2.5分担率分别为14.4%和16.3%;机动车尾气对PM10和PM2.5分担率分别为13.4%和14.4%;生物质燃烧对PM10和PM2.5的分担率分别为5.3%和6.5%。基于上述研究结果,针对大庆市提出了5条环境空气质量改善策略,为未来大庆市更新大气污染防治专项行动实施方案提供借鉴。
刘丹[9]（2019）在《基于神经网络的哈尔滨城市空气质量预测研究》文中研究表明近几年来,哈尔滨市重污染天气频发,备受群众关心、社会关注、政府关切,然而空气环境质量实时数据的获取,远远不能满足预测式预警的环境空气质量管理要求,大气污染的来源预测难度大且精度低。因此,基于目前积累的大量空气质量监测数据,采取科学有效方法来分析、预测空气质量是很有必要的。本文以哈尔滨市为研究对象,根据2013年-2016年哈尔滨市空气自动监测点位监测数据和同期常规地面气象数据,利用BP神经网络,建立预测哈尔滨市空气质量的模型,并运用此模型进而来预测2016年夏、冬两个季节的空气质量。首先,本文介绍了在空气质量预测方面主要采用的预测方法,并分析比对了各个方法使用的前提、优点和不足。随后确定选取BP神经网络方法,并阐述了该方法进行空气质量预测的样本选择、训练步骤和实现过程等具体内容。其次,本文分析了2013年-2016年6项污染物的年度变化情况,以及2015年1-12月PM2.5、PM10、SO2、NO2、CO、O3浓度的月变化规律。得出2013年至2016年二氧化硫年均浓度位于0.028至0.057之间,一氧化碳24小时平均浓度位于1.3至1.7之间,以上2项指标均低于国家二级标准;二氧化氮年均浓度位于0.044至0.056之间,PM10年均浓度位于0.074至0.119之间,PM2.5年均浓度位于0.052至0.081之间,臭氧日最大8小时平均浓度年均值位于0.061值0.092之间,以上4项指标均高于国家二级标准。2015年全年,PM2.5浓度较高;NO2浓度全年有8个月超标;除11月外,PM10浓度均低于国家二级标准;CO、臭氧浓度均低于国家一级标准;SO2浓度均低于国家二级标准。第三,基于2015年PM2.5、PM10、SO2、NO2、CO、O36个污染物浓度数据和最高温度、风向、风速3个气象数据,运用SPSS软件分析了9种因子之间的关系,得到这9种污染物与AQI之间的相关系数分别为0.967、0.982、0.596、0.853、0.849、-0.304、-0.504、0.057、-0.179,得出PM10因子与AQI相关作用相对最显着,风向因子与AQI相关作用相对最不显着。最终得出PM2.5、PM10、SO2、NO2、CO、O3、最高温度、风速8个因子与AQI之间相关显着,因此需要根据以上8个因子对哈尔滨市空气质量进行预测。最后,基于哈尔滨市2015年全年空气质量日报和气象日报的数据,运用BP神经网络建立了哈尔滨市空气质量AQI指数预测模型。运用此模型根据2016年6-8月和2016年12月-2017年2月每日8个因子数据,预测了期间的AQI指数。通过与实际监测值对比,AQI指数预测中,在训练数据方面可接受率为100%,在测试结果方面可接受率为98.9%,该结果验证了BP神经网络经过有效训练后,在哈尔滨市空气质量预报的应用上具有良好的泛化能力和较高的预测精度。
邱亚龙[10]（2017）在《基于改进免疫克隆选择算法的空气质量评价应用》文中研究说明18世纪60年代以来,随着各国城市化规模的不断扩大,工业化水平的不断提高,人口的急剧增加以及能源消耗的不断增加,造成的城市空气污染问题日益严重。从目前来看,我国多个区域都曾出现持续时间长、涉及范围广的空气污染。其中,京津冀、长三角和珠三角区域的污染情况最为突出,这不仅严重影响了城市市民正常的出行和生活,而且还对市民的身心健康产生了负面影响。因此,空气质量和环境污染问题逐渐成为人们所关注的核心问题。为了有效地防治和减轻城市空气污染,需要对空气质量作出科学的评价和分析,客观了解和认识城市空气污染现状,从而实现空气污染科学有效的防治,这对于城市空气质量的改善具有深远的意义。基于此,本文在系统梳理了目前有关空气质量评价和影响因素的研究进展和成果的基础上,结合国家最近发布的《环境空气质量标准》和《环境空气质量指数（AQI）技术规定（试行）》文件（2016年全国实施）,提出了基于改进免疫克隆选择算法优化大气污染损害率公式参数的空气质量评价模型,并将该模型应用于广州市空气质量评价,具有一定的实用性和应用前景。本文主要研究工作和成果如下:（1）在人工免疫系统的基础上,针对免疫克隆选择算法进行了理论和应用研究。通过引入网割预处理、震荡变异法和改进记忆机制等途径,提出了一种具有全局收敛、精度更高、收敛速度更快的改进免疫克隆选择算法。采用该算法对大气污染损害率公式Ri（28）1(1（10）ae-bxi)c进行参数优化,并和韩旭明博士提出的引入疫苗接种策略和高斯变异算子的免疫克隆选择算法（ICSA-VSLGMO）进行对比分析。结果表明,本文改进的免疫克隆选择算法在全局和局部范围内搜索更为细腻,求解精度进一步得到提高,而且由于本算法引入免疫记忆机制,在第二次运行该算法时,算法的收敛速度更快（迭代次数在20次以内）,精度更高（达到小数点后8位）。（2）随着计算技术的发展,利用智能计算构建科学精准的空气质量评价模型具有重大的现实意义。本文结合国家环境保护部最新发布的空气质量标准,利用改进免疫克隆算法进行参数优化,建立了基于大气污染损害率公式参数的空气质量评价模型,并将该模型应用于广州市空气质量评价。通过与于宗艳提出的免疫粒子群算法（IPSO）和空气质量指数（AQI）法进行评价对比分析,验证了该模型的合理性和有效性。（3）利用本文空气质量评价模型对广州市2014年和2015年空气质量监测站数据进行评价,并利用SPSS和Excel做统计分析。结果表明广州市NO2、PM10和PM2.5的平均归一化权值贡献率占90%以上,是主要空气污染源。从整体上看,广州市2015年空气质量状况同比有所改善,并且呈季节性变化,夏季最优,冬季最差,其中5月至9月的空气质量相对较好。
二、燃煤型城市环境大气质量综合评价的模糊神经网络模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、燃煤型城市环境大气质量综合评价的模糊神经网络模型（论文提纲范文）
（1）大气污染治理的生态补偿及投融资机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的与内容 |
| 1.2.1 研究目的 |
| 1.2.2 研究内容 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.4 国内外研究现状 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.4.3 研究评述 |
| 1.5 创新点 |
| 1.6 本章小结 |
| 第2章 大气污染治理生态补偿的概述 |
| 2.1 大气污染治理的实践经验 |
| 2.1.1 国外实践 |
| 2.1.2 国内实践 |
| 2.2 我国大气污染治理生态补偿的发展现状 |
| 2.2.1 生态补偿理论的阶段发展特征 |
| 2.2.2 大气污染治理生态补偿的探索 |
| 2.2.3 建立大气污染治理生态补偿机制的必要性 |
| 2.3 建立大气污染治理生态补偿机制的关键问题 |
| 2.3.1 关键问题之一:谁补偿谁 |
| 2.3.2 关键问题之二:补偿标准 |
| 2.3.3 关键问题之三:资金来源 |
| 2.4 本章小结 |
| 第3章 谁补偿谁:协调大气污染治理与工业化进程 |
| 3.1 工业化进程下的大气污染治理生态补偿 |
| 3.2 我国城市工业化进程的聚类分析——以272个地级及以上城市为例 |
| 3.2.1 城市的工业化进程与分类 |
| 3.2.2 K-means聚类算法 |
| 3.2.3 指标构建与数据来源 |
| 3.2.4 聚类结果与Z检验 |
| 3.3 我国城市工业化进程的空间分布分析 |
| 3.4 本章小结 |
| 第4章 补偿标准之一:厘清大气污染治理的经济成本 |
| 4.1 大气污染与城市社会经济发展 |
| 4.2 不同工业化阶段下大气污染与经济发展的关系分析——基于PSTR模型 |
| 4.2.1 模型介绍 |
| 4.2.2 变量选取与数据来源 |
| 4.3 实证分析 |
| 4.3.1 描述性检验 |
| 4.3.2 模型设定检验 |
| 4.3.3 结果分析 |
| 4.4 本章小结 |
| 第5章 补偿标准之二:核算大气污染的扩散范围与程度 |
| 5.1 大气污染的空间相关性 |
| 5.1.1 大气污染的空间聚集与跨区域传输 |
| 5.1.2 大气污染与城市类型的空间分布分析 |
| 5.2 生态补偿“协同治理圈”的构建——以京津冀及周边地区为例 |
| 5.2.1 空间自相关模型 |
| 5.2.2 变量选取与数据来源 |
| 5.2.3 结果分析 |
| 5.3 大气污染的空间溢出性 |
| 5.4 大气污染空间溢出的核算——以京津冀及周边地区为例 |
| 5.4.1 污染衰退模型 |
| 5.4.2 变量选取与数据来源 |
| 5.4.3 结果分析 |
| 5.5 本章小结 |
| 第6章 资金来源:拓宽大气污染治理的投融资渠道 |
| 6.1 大气污染治理行业的投融资特征 |
| 6.2 大气污染治理的财政和金融支持 |
| 6.2.1 大气污染治理的财政和金融政策 |
| 6.2.2 大气污染治理的金融工具 |
| 6.2.3 大气污染治理的资金来源 |
| 6.3 本章小结 |
| 第7章 建立市场化、多元化的大气污染治理生态补偿机制 |
| 7.1 促进生态补偿与社会经济协同发展 |
| 7.2 拓展市场化、多元化的补偿途径 |
| 7.3 健全大气污染治理的投融资机制 |
| 7.4 完善大气污染治理生态补偿制度体系 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 附录 A 城市工业化进程分类 |
| 附录 B 国民经济行业合并分类 |
| 致谢 |
| 个人简历及在读期间发表的学术论文与研究成果 |
（2）新疆大气污染物特征及预测分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气污染物特征变化及评价研究 |
| 1.2.2 大气污染物影响因素研究 |
| 1.2.3 大气污染物预测研究 |
| 1.2.4 国内外研究现状评述 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第2章 材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 自然条件 |
| 2.1.2 社会经济发展现状 |
| 2.2 数据来源 |
| 2.3 研究方法 |
| 第3章 新疆大气污染物时空分布特征及评价 |
| 3.1 新疆大气污染物时间变化特征 |
| 3.1.1 新疆大气污染物年际变化特征 |
| 3.1.2 新疆大气污染物月际变化特征 |
| 3.2 新疆大气污染物空间变化特征 |
| 3.2.1 新疆大气污染物空间分布特征 |
| 3.2.2 空间自相关 |
| 3.3 基于模糊评价法评价新疆大气环境质量 |
| 3.3.1 模糊评价法 |
| 3.3.2 评价结果分析 |
| 3.4 本章小结 |
| 第4章 新疆大气污染物影响因素研究 |
| 4.1 新疆大气污染物影响因素分析 |
| 4.1.1 自然因素 |
| 4.1.2 人为因素 |
| 4.2 基于灰色关联度对新疆大气污染物浓度影响因素分析 |
| 4.2.1 熵值法 |
| 4.2.2 灰色关联度法 |
| 4.2.3 新疆各指标因子对大气污染物影响分析结果 |
| 4.3 本章小结 |
| 第5章 新疆大气污染物预测分析及防治建议 |
| 5.1 大气污染物预测模型建立 |
| 5.1.1 人工神经网络模型(ANN) |
| 5.1.2 灰色预测模型 |
| 5.2 预测结果分析 |
| 5.2.1 建立模型 |
| 5.2.2 结果分析对比 |
| 5.3 防治建议 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（3）姚家港工业园环境质量综合评价（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的与内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 2 工业园基本概况 |
| 2.1 区域概况 |
| 2.1.1 自然地理 |
| 2.1.2 社会经济 |
| 2.2 环境质量现状 |
| 2.2.1 水环境质量现状 |
| 2.2.2 大气环境质量现状 |
| 2.2.3 土壤环境质量现状 |
| 2.2.4 声环境质量现状 |
| 2.3 产业现状 |
| 3 环境质量综合评价模型 |
| 3.1 指标体系 |
| 3.1.1 评价原则与依据 |
| 3.1.2 指标体系的构建 |
| 3.2 权重确定 |
| 3.3 评价方法 |
| 3.3.1 水环境质量评价方法 |
| 3.3.2 大气环境质量评价方法 |
| 3.3.3 土壤环境质量评价方法 |
| 3.3.4 声环境质量评价方法 |
| 3.4 预测模型 |
| (1)水环境质量预测模型 |
| (2)大气环境质量预测模型 |
| (3)声环境质量预测模型 |
| 4 环境污染物产生量核算 |
| 4.1 水污染物产生量核算 |
| 4.1.1 核算方法 |
| 4.1.2 产生量核算 |
| 4.1.3 趋势分析 |
| 4.2 大气污染物产生量核算 |
| 4.2.1 核算方法 |
| 4.2.2 产生量核算 |
| 4.2.3 趋势分析 |
| 4.3 固体废物产生量核算 |
| 4.3.1 核算方法 |
| 4.3.2 产生量核算 |
| 4.3.3 趋势分析 |
| 5 环境质量评价与对策 |
| 5.1 单要素评价 |
| 5.1.1 水环境质量评价 |
| 5.1.2 大气环境质量评价 |
| 5.1.3 土壤环境质量评价 |
| 5.1.4 声环境质量评价 |
| 5.2 综合评价 |
| 5.3 环境保护对策 |
| 5.3.1 水环境质量保护 |
| 5.3.2 大气环境质量保护 |
| 5.3.3 声环境质量保护 |
| 5.3.4 固体废弃物处理 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 在校期间发表的论文及科研成果 |
| 致谢 |
（4）修正Logistic-RBF组合模型的构建及其在空气质量评价中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要空气质量评价方法概述 |
| 1.4 论文结构及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 研究思路 |
| 1.4.4 创新之处 |
| 第2章 空气质量评价模型理论 |
| 2.1 Logistic回归模型 |
| 2.1.1 Logistic回归模型基础理论及方法 |
| 2.1.2 Logistic回归模型的基本步骤 |
| 2.2 RBF模型理论及评价模型的构建原理 |
| 2.2.1 RBF网络模型理论概述 |
| 2.2.2 RBF网络空气质量评价模型的构建 |
| 2.3 模型组合的理论基础 |
| 2.3.1 最优组合模型的原理 |
| 2.3.2 最优组合模型的设计 |
| 2.4 本章小结 |
| 第3章 修正Logistic—RBF组合模型的构建 |
| 3.1 Logistic回归模型的修正 |
| 3.1.1 曲线拟合相关背景 |
| 3.1.2 模型参数的估计 |
| 3.1.3 遗传算法优化修正Logistic函数 |
| 3.1.4 修正Logistic回归模型的评价 |
| 3.2 组合模型的构建 |
| 3.2.1 组合评价模型的原理 |
| 3.2.2 组合模型的有效性和可行性度量 |
| 3.2.3 组合模型的稳健性度量 |
| 3.3 本章小结 |
| 第4章 组合模型在空气环境质量评价中的应用 |
| 4.1 研究区域基本情况 |
| 4.1.1 空气环境基本情况 |
| 4.1.2 各地区环境质量 |
| 4.2 主要污染物指标的因子分析 |
| 4.2.1 数据说明 |
| 4.2.2 环境空气质量评价标准 |
| 4.2.3 检验是否适合因子分析 |
| 4.2.4 关键因子的提取 |
| 4.3 江西省空气质量评价分析 |
| 4.3.1 修正Logistic模型的训练 |
| 4.3.2 RBF网络模型的训练 |
| 4.3.3 修正Logistic-RBF网络组合模型 |
| 4.3.4 组合模型的江西省空气质量评价 |
| 4.4 本章小结 |
| 第5章 结论和讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）大气环境质量评价及污染特征研究 ——以临沂经济技术开发区为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气污染物分布特征的研究现状 |
| 1.2.2 大气环境质量评价的研究现状 |
| 1.2.3 大气污染防治的研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 第2章 研究区概况及数据来源 |
| 2.1 自然环境概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气象条件 |
| 2.1.4 生物资源 |
| 2.2 社会环境概况 |
| 2.3 数据来源 |
| 第3章 大气污染物的时间分布特征及变化趋势分析 |
| 3.1 开发区大气污染物浓度的时间分布特征 |
| 3.1.1 评价指标的选取及评价标准 |
| 3.1.2 开发区大气污染物浓度的年均分布特征 |
| 3.1.3 开发区大气污染物浓度的月均分布特征 |
| 3.1.4 开发区大气污染物浓度的日均分布特征 |
| 3.2 基于Spearman秩相关系数法的大气污染物变化趋势分析 |
| 3.2.1 Spearman秩相关系数法 |
| 3.2.2 开发区大气污染物年均变化趋势分析 |
| 3.2.3 开发区大气污染物月均变化趋势分析 |
| 3.3 本章小结 |
| 第4章 大气环境质量评价 |
| 4.1 模糊综合评价法 |
| 4.1.1 评价方法 |
| 4.1.2 评价结果 |
| 4.2 BP神经网络评价法 |
| 4.2.1 评价方法 |
| 4.2.2 评价结果 |
| 4.3 评价结果对比分析 |
| 4.4 本章小结 |
| 第5章 大气污染状况防治对策研究 |
| 5.1 PM10与PM2.5防治对策研究 |
| 5.1.1 加强扬尘污染防治 |
| 5.1.2 机动车尾气污染控制 |
| 5.2 NO_2与NO_X防治对策研究 |
| 5.3 O_3防治对策研究 |
| 5.4 本章小结 |
| 第6章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及科研工作 |
| 致谢 |
（6）湖南省环境空气质量评价及其影响因素分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 1.5 拟采取的研究方法 |
| 1.6 技术路线 |
| 第二章 湖南省环境空气背景特征 |
| 2.1 自然环境特征 |
| 2.1.1 地理位置 |
| 2.1.2 地质地貌 |
| 2.1.3 水文气候 |
| 2.2 社会经济发展特征 |
| 2.3 能源利用特征 |
| 2.4 大气污染物排放特征 |
| 第三章 湖南省大气污染时空分布特征 |
| 3.1 SO_2质量浓度时空分布特征 |
| 3.2 NO_2质量浓度时空分布特征 |
| 3.3 PM_(2.5)质量浓度时空分布特征 |
| 3.4 PM_(10)质量浓度时空分布特征 |
| 3.5 CO质量浓度时空分布特征 |
| 3.6 O_3质量浓度时空分布特征 |
| 3.7 小结 |
| 第四章 湖南省环境空气质量评价 |
| 4.1 模糊数学综合评价法简介 |
| 4.2 基于模糊数学综合法的湖南省环境空气质量评价 |
| 4.3 PM_(2.5)与其他污染物的相关性研究 |
| 4.4 小结 |
| 第五章 湖南省环境空气质量影响因素分析 |
| 5.1 自然因素对空气质量的影响 |
| 5.2 经济因素对空气质量的影响 |
| 5.3 改善环境空气质量的建议 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（7）昆明市晋宁区城市宜居性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 宜居城市产生与内涵 |
| 1.2.1 宜居城市产生背景 |
| 1.2.2 宜居城市内涵解读 |
| 1.3 国内外研究动态综述 |
| 1.3.1 概念认知 |
| 1.3.2 切入角度 |
| 1.3.3 研究范围 |
| 1.3.4 评价方法 |
| 1.3.5 目标导向 |
| 1.3.6 研究权威 |
| 1.3.7 建设特征 |
| 1.3.8 研究成果 |
| 1.4 研究设计 |
| 1.4.1 研究对象 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.4.4 研究框架 |
| 第二章 理论研究与案例分析 |
| 2.1 基础理论研究 |
| 2.1.1 人本主义理论 |
| 2.1.2 环境行为理论 |
| 2.1.3 需求层次理论 |
| 2.1.4 基础理论与宜居性的关联 |
| 2.2 城市类型研究 |
| 2.2.1 健康城市 |
| 2.2.2 园林城市 |
| 2.2.3 绿色城市 |
| 2.2.4 智慧城市 |
| 2.2.5 文明城市 |
| 2.2.6 海绵城市 |
| 2.2.7 可持续发展城市 |
| 2.2.8 城市类型与宜居性的关联 |
| 2.3 国内宜居城市实践研究 |
| 2.3.1 苏州 |
| 2.3.2 北京 |
| 2.3.3 厦门 |
| 2.3.4 国内宜居城市特点 |
| 2.4 国外宜居城市实践研究 |
| 2.4.1 澳大利亚墨尔本 |
| 2.4.2 丹麦哥本哈根 |
| 2.4.3 加拿大温哥华 |
| 2.4.4 国外宜居城市特点 |
| 2.5 本章小结 |
| 第三章 晋宁区现状分析 |
| 3.1 研究对象概况 |
| 3.1.1 晋宁区区位条件分析 |
| 3.1.2 晋宁区资源条件分析 |
| 3.2 晋宁区宜居城市建设的现实基础 |
| 3.2.1 晋宁区宜居城市条件分析 |
| 3.2.2 晋宁区获得宜居殊荣分析 |
| 3.2.3 晋宁区现状宜居程度评价 |
| 3.3 晋宁区现有规划成果分析 |
| 3.3.1 晋宁县城市总体规划 |
| 3.3.2 晋宁县域村镇体系规划 |
| 3.3.3 晋宁南城片区规划 |
| 3.3.4 环滇池生态圈、文化圈、旅游圈控制性详细规划 |
| 3.4 晋宁区规划实施差距分析 |
| 3.4.1 实际差距分析 |
| 3.4.2 关键问题分析 |
| 3.5 本章小结 |
| 第四章 晋宁区城市宜居度研究 |
| 4.1 晋宁区城市宜居性指标体系构建 |
| 4.1.1 指标体系构建原则 |
| 4.1.2 指标体系数据来源 |
| 4.1.3 指标体系指标内容 |
| 4.2 晋宁区城市宜居性评价方法制定 |
| 4.2.1 指标体系价值排序 |
| 4.2.2 指标体系指标选择 |
| 4.2.3 指标体系权重确定 |
| 4.2.4 评价结果标准制定 |
| 4.3 晋宁区城市宜居性评价结果分析 |
| 4.3.1 主观宜居性调查内容 |
| 4.3.2 客观宜居性数据获得 |
| 4.3.3 宜居性评价结果分析 |
| 4.4 本章小结 |
| 第五章 晋宁区宜居城市建设优化路径 |
| 5.1 宜居城市建设策略提出 |
| 5.1.1 预期目标设置 |
| 5.1.2 规划编制建议 |
| 5.1.3 城市设计导引 |
| 5.2 宜居城市建设实施建议 |
| 5.2.1 决策者 |
| 5.2.2 实施者 |
| 5.2.3 参与者 |
| 5.2.4 体验者 |
| 5.3 本章小结 |
| 第六章 云南小城市宜居城市建设技术路径 |
| 6.1 评价方法 |
| 6.1.1 前期基础研究 |
| 6.1.2 评价指标体系构建 |
| 6.1.3 信息获取与数据分析 |
| 6.1.4 宜居度评价方法制定 |
| 6.2 建设路径 |
| 6.2.1 实施路径 |
| 6.2.2 实施主体 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读学位期间发表论文目录 |
| 附录 B:图片索引 |
| 附录 C:表格索引 |
| 附录 D:宜居城市相关研究成果 |
| 附录 E:晋宁区城市宜居性评价指标体系研究成果 |
| 附录 F:问卷调查表回收样表 |
（8）大庆市环境空气质量现状分析和大气颗粒物来源解析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 环境空气质量评估国内外研究现状 |
| 1.2.2 大气颗粒物来源解析国内外研究现状 |
| 1.3 研究意义和目的及主要研究内容 |
| 1.3.1 研究意义和目的 |
| 1.3.2 主要研究内容 |
| 1.4 研究技术路线 |
| 第2章 理论基础和实验方法 |
| 2.1 理论基础 |
| 2.1.1 环境空气质量评估模型 |
| 2.1.2 大气颗粒物来源解析技术 |
| 2.2 实验方法 |
| 2.2.1 数据来源 |
| 2.2.2 大气颗粒物排放源类样品采集 |
| 2.2.3 大气颗粒物环境受体样品采集 |
| 2.2.4 样品的处理及其质量控制 |
| 2.2.5 样品化学成分分析 |
| 第3章 大庆市环境空气质量现状分析 |
| 3.1 引言 |
| 3.2 大庆市环境空气质量现状评估 |
| 3.2.1 评价指标和评价标准确定 |
| 3.2.2 评估模型应用 |
| 3.3 大庆市环境空气质量现状评估结果分析 |
| 3.3.1 全年评估结果分析 |
| 3.3.2 采暖期评估结果分析 |
| 3.3.3 非采暖期评估结果分析 |
| 3.3.4 主要大气污染物识别 |
| 3.4 本章小结 |
| 第4章 大庆市大气颗粒物PM_(10)和PM_(2.5)样品成分谱分析 |
| 4.1 引言 |
| 4.2 大气颗粒物受体样品质量浓度分析 |
| 4.2.1 非采暖期 |
| 4.2.2 采暖期 |
| 4.2.3 各时期比较 |
| 4.3 大气颗粒物受体样品成分谱分析 |
| 4.3.1 无机元素特征分析 |
| 4.3.2 水溶性离子特征分析 |
| 4.3.3 碳组分特征分析 |
| 4.3.4 化学质量闭合和化学组分特征分析 |
| 4.4 大气颗粒物排放源类样品成分谱分析 |
| 4.4.1 成分谱组成 |
| 4.4.2 成分谱中化学组分含量水平特征分析 |
| 4.4.3 二次颗粒物源成分谱建立 |
| 4.4.4 源成分谱特征组分分析 |
| 4.5 本章小结 |
| 第5章 基于CMB模型的大庆市大气颗粒物PM_(10)和PM_(2.5)来源解析 |
| 5.1 引言 |
| 5.2 基于CMB模型的大气颗粒物来源解析结果分析 |
| 5.2.1 参与拟合源类的化学组分选择 |
| 5.2.2 源贡献值拟合优度分析 |
| 5.2.3 PM_(10)和PM_(2.5)来源解析结果分析 |
| 5.2.4 二次颗粒物贡献再分摊 |
| 5.3 环境空气质量改善策略 |
| 5.3.1 固定源燃煤污染防治对策 |
| 5.3.2 固定源工业废气防治对策 |
| 5.3.3 固定源生物质燃烧污染防治对策 |
| 5.3.4 移动源机动车尾气污染防治对策 |
| 5.3.5 开放源扬尘污染防治对策 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）基于神经网络的哈尔滨城市空气质量预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外空气质量预测研究现状 |
| 1.2.1 国外空气质量预测研究现状 |
| 1.2.2 国内空气质量预测研究现状 |
| 1.3 本文的研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 预测模型的选择及数据来源分析 |
| 2.1 引言 |
| 2.2 预测模型的选择 |
| 2.3 BP神经网络的介绍 |
| 2.3.1 BP神经网络原理 |
| 2.3.2 BP神经网络应用依据 |
| 2.3.3 BP神经网络样本选择与处理 |
| 2.3.4 BP神经网络拓扑结构 |
| 2.3.5 BP神经网络权值和阈值 |
| 2.3.6 BP神经网络的训练 |
| 2.3.7 BP神经网络算法的计算机实现 |
| 2.4 数据来源及采集 |
| 2.4.1 数据来源 |
| 2.4.2 数据采集 |
| 2.5 本章小结 |
| 第3章 哈尔滨市空气污染特征及影响因素分析 |
| 3.1 引言 |
| 3.2 环境空气质量污染因子分析 |
| 3.2.1 年度污染因子分析 |
| 3.2.2 月份污染因子分析 |
| 3.3 污染因子间相关性分析与验证 |
| 3.3.1 SPSS简介 |
| 3.3.2 偏相关分析 |
| 3.3.3 多元线性回归验证 |
| 3.4 污染物与气象因素关系分析 |
| 3.4.1 污染物与气温的关系 |
| 3.4.2 污染物与风的关系 |
| 3.5 污染来源分析 |
| 3.5.1 主要污染物来源 |
| 3.5.2 能源结构 |
| 3.5.3 工业污染源 |
| 3.5.4 机动车污染源 |
| 3.5.5 秸秆焚烧 |
| 3.6 本章小结 |
| 第4章 哈尔滨市空气质量预测BP神经网络模型应用 |
| 4.1 引言 |
| 4.2 哈尔滨市空气质量预测BP神经网络模型建立 |
| 4.2.1 模型设计 |
| 4.2.2 模型训练 |
| 4.3 哈尔滨市空气质量预测BP神经网络模型运用 |
| 4.4 哈尔滨市空气质量预测BP神经网络模型推广 |
| 4.5 污染防治对策措施 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（10）基于改进免疫克隆选择算法的空气质量评价应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 选题的背景和意义 |
| 1.1.1 选题的背景 |
| 1.1.2 选题的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究的主要内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文的章节安排 |
| 2 空气质量评价概述 |
| 2.1 主要空气污染物及危害 |
| 2.2 空气质量评价方法介绍 |
| 2.2.1 指数评价法 |
| 2.2.2 主成分分析法 |
| 2.2.3 模糊综合评价法 |
| 2.2.4 物元分析法 |
| 2.2.5 灰色聚类法 |
| 2.2.6 人工神经网络评价法 |
| 2.3 国内空气质量评价标准 |
| 2.4 本章小结 |
| 3 免疫算法及其改进 |
| 3.1 免疫算法的生物学机理 |
| 3.1.1 免疫与免疫系统 |
| 3.1.2 免疫系统的功能和特点 |
| 3.2 人工免疫系统 |
| 3.2.1 人工免疫系统的特点 |
| 3.2.2 人工免疫系统的应用 |
| 3.3 典型的免疫算法介绍 |
| 3.3.1 阴性选择算法 |
| 3.3.2 疫苗免疫算法 |
| 3.3.3 免疫遗传算法 |
| 3.3.4 克隆选择算法 |
| 3.4 免疫克隆选择算法的改进及其应用 |
| 3.4.1 改进免疫克隆选择算法的主要内容 |
| 3.4.2 改进免疫克隆选择算法的基本流程 |
| 3.4.3 改进免疫克隆选择算法的应用及性能分析 |
| 3.5 本章小结 |
| 4 基于改进免疫克隆算法的空气质量评价 |
| 4.1 空气质量综合污染评价模型的构造 |
| 4.1.1 大气污染损害率普适公式 |
| 4.1.2 参数的优化 |
| 4.1.3 空气质量综合污染评价模型 |
| 4.2 空气质量分级标准的确定 |
| 4.3 广州市空气质量评价结果验证及分析 |
| 4.3.1 广州市环境空气质量概况 |
| 4.3.2 样本的选择和预处理 |
| 4.3.3 广州市评价结果对比分析 |
| 4.4 广州市2014年和2015年空气质量评价对比分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 程序代码 |
| 附录B 攻读硕士学位期间发表的论文 |
四、燃煤型城市环境大气质量综合评价的模糊神经网络模型（论文参考文献）
- [1]大气污染治理的生态补偿及投融资机制研究[D]. 汪惠青. 对外经济贸易大学, 2020(01)
- [2]新疆大气污染物特征及预测分析[D]. 张云菲. 新疆大学, 2020(07)
- [3]姚家港工业园环境质量综合评价[D]. 郭莹. 华中师范大学, 2020(02)
- [4]修正Logistic-RBF组合模型的构建及其在空气质量评价中的应用[D]. 张星灿. 江西财经大学, 2019(01)
- [5]大气环境质量评价及污染特征研究 ——以临沂经济技术开发区为例[D]. 范秋香. 青岛理工大学, 2019(01)
- [6]湖南省环境空气质量评价及其影响因素分析[D]. 彭琛玲. 中南林业科技大学, 2019(01)
- [7]昆明市晋宁区城市宜居性研究[D]. 赵璇. 昆明理工大学, 2019(04)
- [8]大庆市环境空气质量现状分析和大气颗粒物来源解析[D]. 李经纬. 哈尔滨工业大学, 2018(01)
- [9]基于神经网络的哈尔滨城市空气质量预测研究[D]. 刘丹. 哈尔滨工业大学, 2019(02)
- [10]基于改进免疫克隆选择算法的空气质量评价应用[D]. 邱亚龙. 华南农业大学, 2017(08)