1. 毕业设计（论文）主要目标：
准确预测PM2.5浓度变化关系公众健康。
本次毕业设计研究分析影响PM2.5浓度变化的因素，基于深度学习方法设计PM2.5浓度的时序预测方法，并验证比较各方法的性能。
2. 毕业设计（论文）主要内容：
收集多个城市连续几年的数据，研究分析筛选出影响PM2.5变化的典型因素，使用不同的神经网络模型预测PM2.5浓度。本次毕业设计基于传统神经网络，构建Randomforest、Encoder-Decoder与LSTM模型，使用气象因素、污染物因素、季节因素和PM2.5的归一化结果作为输入预测未来的日平均PM2.5浓度值。并进一步构建BP、GRU模型并与Encoder-Decoder模型进行比较，使用连续一年每小时的PM2.5浓度、空气质量指数和气象数据来训练和测试模型，对未来一天每小时的PM2.5的浓度值进行预测。实验中使用均方根误差（RMSE）指标将各城市PM2.5的预测结果与环境部门发布的数据进行比较分析，来验证各方法的可行性并进一步评估比较各模型的性能。
3. 主要参考文献
[1] Feng X, Li Q, Zhu Y, et al.Artificial neural networks forecasting of PM 2.5, pollution using air mass trajectorybased geographic model and wavelet transformation[J]. Atmospheric Environment,2015, 107:118-128.
[2] COBOUＲN W G． An enhancedPM2． 5 air quality forecast model based on nonlinear regression andbacktrajectory concentrations［J］． Atmospheric Environment， 2010， 44(25) : 3015 －3023.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
