基于时空数据挖掘的城市移动源污染综合监管问题研究

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2国内外研究现状

1．2．1 道路移动源污染排放监测

1．2．2城市移动源污染排放时空分布预测

1．2．3道路移动源污染排放监管

1．3本文研究难点及主要研究内容

1．3．1研究难点总结

1．3．2主要研究内容

1．3．3全文组织结构

第2章相关基础知识

2．1 机动车尾气排放监测数据获取

2．2时空序列数据与预测

2．3多源信息融合

2．4深度学习

2．4．1深度学习基本原理

2．4．2深度残差卷积网络

2．4．3图卷积网络

2．4．4生成对抗网络

2．5强化学习

2．5．1 强化学习基本原理

2．5．2强化学习基本算法

2．5．3深度强化学习

2．5．4相关工作

第3章融合排放因子模型和对抗学习策略的数据增强

3．1 引言

3．2 问题描述

3．3移动源污染监测影响因素分析

3．4基于监测约束的生成对抗网络模型

3．4．1 移动源污染排放先验修正模型

3．4．2生成对抗网络模型设计

3．4．3算法和优化

3．5实验与结果分析

3．5．1 数据集和实验配置

3．5．2实验对比及结果分析

3．6本章小结

第4章基于时空残差网络的城市区域移动源污染趋势分析

4．1 引言

4．2相关概念与问题描述

4．2．1相关定义

4．2．2问题描述

4．2．3总体思路框图

4．3基于前后端融合的深度时空残差网络模型

4．3．1 移动源污染时空数据初步分析

4．3．2网络架构设计

4．3．3算法和优化

4．4实验与结果分析

4．4．1 数据集和实验环境配置

4．4．2基本方法介绍及实验性能指标

4．4．3基本方法实验对比及结果分析

4．4．4不同网络结构参数影响

4．4．5不同外部因素影响

4．5本章小结

第5章基于多特征融合时空图卷积网络的城市路网精细化移动源污染预测

5．1 引言

5．2相关概念与问题描述

5．2．1 数据探索

5．2．2 问题描述

5．3基于多特征融合的深度时空图卷积网络模型

5．3．1 网络架构设计

5．3．2算法和优化

5．4实验与结果分析

5．4．1 数据集和实验配置

5．4．2基本方法介绍及实验性能指标

5．4．3实验对比及结果分析

5．4．4不同网络组成部分影响

5．4．5不同外部因素影响

5．5本章小结

第6章基于深度强化学习的城市道路移动源污染监管策略

6．1 引言

6．2相关概念与问题描述

6．2．3问题描述

6．3基于深度强化学习的移动源污染监管模型

6．3．1 移动源污染监管强化学习模型框架

6．3．2移动源污染监管模型算法和优化

6．4实验与结果分析

6．4．1 数据集和实验配置

6．4．2基本方法介绍及实验性能指标

6．4．3实验对比及结果分析

6．5本章小结

第7章总结与展望

7．1本文工作总结

7．2未来工作展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果