全文总字数：2815字

1. 研究目的与意义及国内外研究现状

我国是世界上最大的发展中国家，虽然近年来在经济上有了质的飞跃，但在环境保护上并没有彻底的落实“边发展边保护”的发展要求，很多地区依旧走的是“先发展后治理”的老路子，从而导致环境恶化，空气质量的恶化更为突出，近几年在全国范围内引发多起大面积空气污染现象。大气污染物不但对人体各部位都有严重的危害，而且还会污染植物，影响气候，带来二次污染，后果十分严重。空气污染不是突发自然灾害，但它带来的严重后果使整个人类社会不得不正视它。

人类在对科学的探索发现中，常常以时间作为“因变量”进行观测。空气质量指数是表征每日空气质量的指标，以24h为时间间隔排列的数值，按照时间推移表示大气质量在不同时刻下的状态，从而构成一组按时间顺序排列的随机数据，是很典型的非线性时间序列，因此本论文选取160组南京市每日实时空气质量指数作为原始时间序列，分别采用bp 神经网络模型及小波和bp神经网络模型对其进行预测研究。bp 神经网络通过学习能够找出输入与输出之间的映射规律，从而利用这种映射规律对其以后的变化趋势做出相应的预测，虽然它推理分析能力和适应性较强，但依然存在着未解决的问题，例如确定网络隐层节点数只能使用盲目性较大试凑法，也会出现过拟合的现象，而且在网络训练中易出现部分极值等。小波的应用则很好的解决了这些问题，随后又设计了基于小波和bp神经网络的非线性时间序列预测模型即w-bp 模型，达到优化bp网络的目的。可以说，在如今信息化时代，对小波和bp 神经网络在时间序列上的预测进行研究，为其在各领域进一步的发展和应用做出的贡献极具理论价值和实际价值。

国内外研究现状

2. 研究的基本内容

本论文主要研究非线性时间序列的预测方法。在研究过程中首先使用BP 神经网络模型进行了空气质量指数预测，同时运用传统的ARMA 模型进行预测，并就两种方法预测结果在精度和误差上进行详细对比，在其后讨论BP神经网络参数对预测效果的影响。然后，建立松散型结合方式的小波神经网络，即根据原始数据特征对样本数据小波分解，然后重构样本，对重构的样本分别建立BP模型预测，对各分量预测结果合并后输出，在最后对三种模型的预测结果进行对比，通过精度分析各模型的优越点。本论文的目的在于为了证明基于小波和BP神经网络（W-BP模型）的预测模型比BP 神经网络和ARMA 模型在预测精度上有更高的准确性，足够接近实际值。

3. 实施方案、进度安排及预期效果

1、查阅资料了解神经网络、小波变换以及时间序列预测的发展概况及趋势，明确空气质量指数aqi的背景及研究意义。（2017.01）

2、学习神经网络的结构、特点及工作原理，以及小波分解的基本原理及工作过程。

3、熟悉掌握matlab软件的应用与编程方法，熟练运用。（2017.02）

4. 参考文献

1. 张德丰.matlab神经网络编程.化学工业出版社，2011.

2. 郑治真.小波变换及其matlab工具的应用.地震出版社，2001.