1. 毕业设计（论文）主要目标：
本文目的在于使用卡尔曼滤波器预测南京市未来8个月的AQI日值及月均值。首先以南京市2014年1月1日至2017年12月31日的AQI日值历史数据为仿真样本，进行仿真。然后根据仿真结果及测试结果判断模型的预测能力，对2018年5月1日到2018年12月31日的245个AQI日值数据和8个月均值数据进行预测。该方法意在准确预测AQI值，为雾霾的控制和防治提供更加精确的数据，并以此造福人类社会。
2. 毕业设计（论文）主要内容：
本文以南京市2014年1月1日至2017年12月31日的日AQI历史数据作为时间序列样本，首先对序列建立一阶自回归模型以得到卡尔曼滤波过程的状态方程和测量方程，再利用matlab实现数据的仿真、测试和预测。但由于日变化波动幅度较大，一定程度上会影响预测结果的精确度，所以本文还求出了AQI的月均值时序数据，对该数据也进行了卡尔曼滤波预测。结果显示，对AQI序列预测的仿真显示加权后的卡尔曼滤波方法优于单一的卡尔曼滤波方法，大大提高了预测的精度。研究结果表明，AQI值除温度影响因素外总体呈逐步下降趋势。这不仅意味着南京市近年来对雾霾污染防治工作的贯彻和落实取得了成效，也体现了我国国民素质在逐步提高，生态环保意识逐渐深入人心。
3. 主要参考文献
[1] 刘强,李平.大范围严重雾霾现象的成因分析与对策建议[J].中国社会科学院研究生院学报,2014(05):63-68.
[2] Kumar A, Goyal P. Forecasting of Air Quality Index in Delhi Using Neural Network Based on Principal Component Analysis. PURE AND APPLIED GEOPHYSICS,2013(170):711-722.DOI:10.1007/s00024-012-05 83-4.
[3] Hu XF, Waller L.A, Lyapustin A, Wang YJ, Al-Hamdan M.Z, Crosson W.L, Estes M.G, Estes S.M, Quattrochi D.A, Puttaswamy S.J, Liu Y. Estimating ground-level PM2.5 concentrations in the Southeastern United States using MAIAC AOD retrievals and a two-stage model. REMOTE SENSING OF ENVIRONMENT,2014(140):220-232. DOI:10.1016/j.rse.2013.08.032.
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。
