目前,空氣質(zhì)量問題已成為我國面臨的重點問題之一,常規(guī)的天氣預報具有查詢不方便、數(shù)據(jù)不全面、顯示不形象等缺點,已經(jīng)跟不上時代發(fā)展的步伐,也不能滿足現(xiàn)在用戶的需求。因此,開發(fā)一個查詢快速方便、數(shù)據(jù)全面、顯示形象的空氣質(zhì)量系統(tǒng)具有重要意義。本課題主要研究空氣質(zhì)量查詢和空氣質(zhì)量預測的內(nèi)容。解決了BP神經(jīng)網(wǎng)絡在多種空氣污染物上同時預測的問題。實現(xiàn)了一周的天氣狀況查詢、用戶定位位置空氣質(zhì)量查詢、空氣質(zhì)量歷史統(tǒng)計、監(jiān)測站點空氣質(zhì)量未來兩天預測、監(jiān)測站點之外空氣質(zhì)量預測、用戶出行預計吸入PM2.5的量以及實時圖像分享的功能。其中對于監(jiān)測站點之外的空氣質(zhì)量預測,本文將監(jiān)測站點之外的區(qū)域劃分成網(wǎng)格,然后根據(jù)每個網(wǎng)格的空氣質(zhì)量數(shù)值賦予相應的顏色,進行熱力圖的查看。本文結(jié)合國內(nèi)外研究現(xiàn)狀和用戶需求確定了本系統(tǒng)的需求,在總體設(shè)計階段詳細介紹了系統(tǒng)的總體功能,將系統(tǒng)分為站點實時監(jiān)測模塊、點位空氣質(zhì)量預測模塊、網(wǎng)格空氣質(zhì)量預測模塊、站點歷史數(shù)據(jù)統(tǒng)計模塊、站點空氣質(zhì)量預測模塊、用戶足跡記錄模塊和時景圖片共享模塊這七大模塊。在詳細設(shè)計階段給出了表的詳細設(shè)計和核心類的設(shè)計,其中對于BP神經(jīng)網(wǎng)絡進行了著重研究,從原始數(shù)據(jù)的... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【部分圖文】：

Android系統(tǒng)架構(gòu)圖

圖 3-1 需求調(diào)研流程圖開發(fā)環(huán)境開發(fā)環(huán)境包括硬件環(huán)境和軟件環(huán)境，具體配置如下：環(huán)境 計算機的CPU為Intel(R) Core(TM) i5 2.67GHz，應不少于4G；環(huán)境 軟件運行的操作系統(tǒng)為Windows10，系統(tǒng)為64位JDK Version 1.8+Android SDK 4.4.2，分辨率為1366×7庫，開發(fā)工具為Eclipse+ADT插件，建模工具為Microso端軟件運行環(huán)境 Android操作系統(tǒng)。的性能要求性 系統(tǒng)在數(shù)據(jù)存儲和數(shù)據(jù)處理上要保證數(shù)據(jù)的正確率是不同數(shù)據(jù)類型的轉(zhuǎn)換，需要盡可能保證其精度在規(guī)定

哈爾濱理工大學工程碩士學位論文（1）點預測：通過已知的各個監(jiān)測站點空氣質(zhì)量預測用戶位置的空氣質(zhì)量；（2）區(qū)域預測：通過已知的各個監(jiān)測站點的空氣質(zhì)量來預測用戶劃定區(qū)域的空氣質(zhì)量，當用戶選中區(qū)域時按照預測的值將對應的顏色顯示到頁面上；（3）全圖預測：通過已知的各個監(jiān)測站點的空氣質(zhì)量來預測城市的空氣質(zhì)量，當用戶選中此功能時，按照預測的值將對應的顏色顯示到頁面上。

【參考文獻】：
期刊論文
[1]基于隨機森林和神經(jīng)網(wǎng)絡的空氣質(zhì)量預測研究[J]. 林開春,邵峰晶.  青島大學學報(工程技術(shù)版). 2018(02)
[2]深度神經(jīng)網(wǎng)絡并行化研究綜述[J]. 朱虎明,李佩,焦李成,楊淑媛,侯彪.  計算機學報. 2018(08)
[3]基于遺傳算法和BP神經(jīng)網(wǎng)絡的空氣質(zhì)量預測模型研究[J]. 牛玉霞.  軟件. 2017(12)
[4]深度卷積神經(jīng)網(wǎng)絡的發(fā)展及其在計算機視覺領(lǐng)域的應用[J]. 張順,龔怡宏,王進軍.  計算機學報. 2019(03)
[5]神經(jīng)網(wǎng)絡七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機學報. 2016(08)
[6]基于BP人工神經(jīng)網(wǎng)絡的霧霾天氣預測研究[J]. 艾洪福,石瑩.  計算機仿真. 2015(01)
[7]基于增量式GHSOM神經(jīng)網(wǎng)絡模型的入侵檢測研究[J]. 楊雅輝,黃海珍,沈晴霓,吳中海,張英.  計算機學報. 2014(05)
[8]基于GAB和模糊BP神經(jīng)網(wǎng)絡的空氣質(zhì)量預測[J]. 李翔.  華中科技大學學報(自然科學版). 2013(S1)
[9]基于動態(tài)粒度小波神經(jīng)網(wǎng)絡的空氣質(zhì)量預測[J]. 汪小寒,張燕平,趙姝,張鈴.  計算機工程與應用. 2013(06)
[10]大氣環(huán)境中PM2.5的研究進展與展望[J]. 楊洪斌,鄒旭東,汪宏宇,劉玉徹.  氣象與環(huán)境學報. 2012(03)

碩士論文
[1]一種空氣質(zhì)量預測模型的研究[D]. 高宇航.南京郵電大學 2017
[2]基于BP神經(jīng)網(wǎng)絡的空氣質(zhì)量預測及可視化的實現(xiàn)[D]. 薛士瓊.天津大學 2016
[3]基于遺傳優(yōu)化和貝葉斯正規(guī)化神經(jīng)網(wǎng)絡的空氣質(zhì)量預測研究[D]. 辛若波.山東大學 2013



本文編號：3235543