声明
致谢
变量注释表
1 绪论
1.1 研究背景与意义(Background and Significance)
1.2 国内外研究现状(Research Status at Home and Abroad)
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3.1 主要研究内容
1.3.2 技术路线
1.4 章节安排(Chapter Arrangement)
2 地基GPS水汽反演基本原理
2.1.1 GPS气象学概述
2.1.2 大气水汽介绍
2.1.3 大气层结构
2.2 地基GPS水汽反演技术(Ground-based GPS Retrieving Water Vapor Technology)
2.3 对流层延迟及误差改正模型( Tropospheric Delay and Error Correction Model)
2.3.1 经典对流层天顶延迟模型
2.3.2 映射函数模型
2.3.3 其它传输误差
2.4 水汽反演核心参数获取( Acquisition of Core Parameters of Retrieving Water Vapor)
2.4.1 天顶湿延迟获取
2.4.2 大气加权平均温度模型
2.4.3 本地化加权平均温度
2.4.4 大气水汽含量计算方法
2.5 本章小结(Chapter Summary)
3 徐州地区地基GPS反演大气可降水量
3.1 水汽反演流程(Water Vapor Retrieved Process)
3.2.1 气象信息数据
3.2.2 GPS观测站概况
3.2.3 本地化加权平均温度
3.3.1 数据资料获取
3.3.2 水汽反演及精度分析
3.4 本章小结(Chapter Summary)
4 大气可降水量与污染颗粒物PM2.5的相关性研究
4.1 研究区域概况(Research Area Overview)
4.2 相关性研究流程(Relevance Research Process)
4.3 徐州地区PWV与大气颗粒物PM2.5的相关性研究
4.4 本章小结(Chapter Summary)
5 基于BP神经网络的PM2.5预测模型试验研究
5.1 BP神经网络算法(BP Neural Network Algorithm)
5.1.1 BP神经网络介绍
5.1.2 数据标准化
5.1.3 神经网络参数设置
5.2 大气污染颗粒物BP神经网络模型应用分析( Application Analysis of BP Neural Network Model for Air Pollution Particles)
5.3 基于GPS/PWV的大气颗粒物PM2.5反演线性/非线性模型对比分析(Comparison of linear/nonlinear models of PM2.5 inversion of atmospheric particulate matter based on GPS/PWV)
5.4 本章小结(Chapter Summary)
6 结论与展望
6.1 结论(Conclusions)
6.2 展望(Prospects)
参考文献
作者简历
学位论文原创性声明
学位论文数据集