1. 研究目的与意义
由于全球社会经济和工业化过程的发展,以及世界城市化飞速发展,能源、交通规模的扩大,城市人口的膨胀,大型工业开发区的建立等为大气环境带来了前所未有的巨大压力。
以颗粒物、二氧化硫、氮氧化物等为主要污染物的大气环境污染问题日趋严重,对资源、环境的巨大冲击威胁着可持续发展的基础。
我国是发展中国家,能源结构不尽合理,使城市大气污染不断加重。
2. 研究内容和预期目标
1.研究内容
近年来，人工智能不断有新的进展和突破，深度学习发挥了重要的作用，当下，全社会各个领域中的科研人员都在利用深度学习来解决疑难问题，使得深度学习成为了炙手可热的处理手段。本文将利用已有的空气质量指数AQI，通过深度学习算法来解决空气质量预测的问题。
2.关键问题
3. 国内外研究现状
通过对相关文献的阅读，本文对深度学习算法的空气质量预测有了一个大致的了解。早在20世纪60年代，美国就展开了对于空气质量的潜力预测研究。在21世纪90年代后，研究空气质预测的相关学者开始注意到人工神经网络理论，并将其运用到空气污染物浓度预测的研究，从而开启了空气质量预测研究的新篇章。Patricio Perez等人将多元神经网络与线性算法以及聚类算法相结合对PM2.5进行预测；Jiang Z等人提出了基于自组织聚类的BP神经网络空气质量预测模型；Huang M等人提出基于数据挖掘和人工神经网络的空气质量预测模型。
对于国外来说，我国对于空气质量的预测研究要稍晚一些，直到20世纪70年代开逐步开展针对SO2d等大气污染物的预测研究工作。虽说我国空气质量预测工作起步晚于国外，但我国环保措施发展迅猛，这一切都离不开我国专家和学者在空气质量预测领域所做的研究。潘琳等人通过灰色聚类发进行空气质量分析的研究；张鹏达等人提出了基于BP神经网络的城市环境空气质量预测模型；沈劲等人提出了基于聚类与多元回归的空气质量预测模型；付亚丽等人提出了基于IPSO-ELM算法的空气质量预测模型；刘燕等人提出了基于大数据和物联网的空气质量预测方法。4. 计划与进度安排
2022年11月-2022年12月查阅相关文献，了解目前国内外研究现状
2022年12月-2022年1月 初步总结，确定研究方法，撰写开题报告，翻译英文文献
2022年2月-2022年3月初期设计，撰写论文初稿，完成中期检查
5. 参考文献
[1]夏清 李帅 郝爱民 赵沁平. 基于深度学习的数字几何处理与分析技术研究进展[J]. 计算机研究与发展,2019,(01):1-28.
[2]杨天瑞,孙伟东. 基于深度学习的数据特征的提取与预测研究[J]. 数字通信世界,2018,(07):274.
[3]胡侯立,魏维,胡蒙娜.深度学习算法的原理及应用[J].信息技术,2015(02):175-177.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
