全文总字数：3423字

1. 研究目的与意义及国内外研究现状

pm2.5自2013年进入我国部分城市空气监测范围开始，到2016年新标准实施，全国各地监测pm2.5并纳入空气质量状况监管。国民对pm2.5的认识和了解逐步提高，pm2.5粒径小，面积大，活性强，易附带有毒、有害物质（例如，重金属、微生物等），且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。所以对pm2.5的研究变得十分重要，pm2.5的浓度变化及预测是本课题主要的目的和方向。

pm2.5数据是一种非线性不稳定时间序列，因此传统基于统计的线性的时间序列无法满足预测条件。神经网络可以充分体现序列中的时间累积效应。同时由于正交小波能够较好地提取原始序列中的低频和高频信息。 所以选择小波和神经网络对pm2.5浓度进行预测。基于小波分解的神经网络将小波变换良好的时频局域化特性和神经网络的自学习功能相结合，因而对pm2.5浓度进行预测具有较强的逼近能力和容错能力，能够较为准确的对pm2.5浓度进行预测。

国内外研究现状

对于pm2.5的预测现在主要分为以下几种，一种是基于气象模式结合空气质量模拟模式进行的预测；另外一种是近几年利用现有的监测历史数据包含aqi、相对湿度、风速等和雾霾相关的气象数据，利用机器学习、统计预测手段进行的预测，以及采用时间序列方法进行的pm2.5预测。

2. 研究的基本内容

阅读文献资料，查找类似论文，学习比较研究内容。学习神经网络、小波分解的基本原理、特点及工作原理。学习并掌握matlab软件应用与编程方法。

研究主要采用matlab设计bp神经网络预测模型，实验方法原理用到克里格方法，bp人工神经网络等方法；针对具体pm2.5数据进行预测研究，实验数据的获取来自网络；讨论模型参数对预测效果的影响，并进行预测结果误差分析，得出结论并进一步总结。

实现组合神经网络预测的matbal编程，输入和bp神经网络相同的数据；进行pm2.5浓度的预测研究，得出表格并验证模型其适用性，讨论模型参数对预测效果的影响，并进行预测结果误差分析。

3. 实施方案、进度安排及预期效果

第一阶段（2018.1-2018.2）调研神经网络、小波分解以及时间序列预测的发展概况及趋势。调研pm2.5预测的研究背景与研究意义。熟悉掌握matlab软件的应用与编程方法。学习神经网络、小波分解的基本原理、特点及工作原理。

第二阶段（2018.3）采用matlab设计bp神经网络预测模型，针南京地区pm2.5数据进行预测研究，讨论模型参数对预测效果的影响，并进行预测结果误差分析。

第三阶段（2018.3-2018.4）采用matlab设计组合神经网络预测模型，针南京地区pm2.5数据进行预测研究，讨论模型参数对预测效果的影响，并进行预测结果误差分析。

4. 参考文献

[1]罗旋,张陈,关萌,孟海星.基于小波神经网络的矿浆浓度预测[j].机械研究与应用,2017, 30(06):150-152 155.

[2]李勇,白云,李川.基于小波分析与bp神经网络的pm_(10)浓度预测模型[j].环境监测管理与技术,2016 ,28(05):24-28.

[3]裴雨潇,刘奇洪,丛小飞.基于小波和过程神经网络的pm_(2.5)预测模型[j].环境科技,2016,29(02):43-46.