全文总字数：1920字

1. 研究目的与意义及国内外研究现状

目的：本文的主要任务和主要目标是通过抓取污染雾霾的相关指标数据，将pm_2.5浓度值实时可视化，利用深度学习算法建模研究雾霾与空气污染物等气象要素的相互关系，预测并探讨pm_2.5对雾霾污染的重要影响及基本趋势，最终完成一个预测pm_2.5浓度值的模型。

意义：雾霾天气造成了公众恐慌，还对正常生产经营造成严重影响。空气污染不仅对公共健康构成威胁，影响社会稳定，甚至成为许多地方经济发展的瓶颈。所以说雾霾污染对环境人体健康和社会经济发展等方面都有着负面影响，如呼吸道慢性病，心脏病，空气能见度降低，自然系统和农业系统的受损。所以对pm_2.5的预测便于对雾霾的发生进行有效的预告，采用必要的策略方案避免或者减小随着而来的雾霾污染和经济损失。

2. 研究的基本内容

本课题旨在研究一种基于深度学习理论的雾霾污染模型，并应用于实际雾霾污染预测中，主要研究内容如下：

3. 实施方案、进度安排及预期效果

实施方案：

首先使用一个数据爬虫程序，从网络上下载大量的数据构建雾霾污染数据库，然后将雾霾数据进行实时地可视化展示，通过一种合适的深度学习特征提取算法提取数据库中数据特征，并根据特征序列建立预测模型。从而根据雾霾污染历史数据预测出未来天气里的雾霾污染数据。

4. 参考文献

[1] hinton ge,osindero s, teh yw. a fast learning algorithm for deep belief nets[j]. neuralcomputation, 2006, 18(7):1527–1554.

[2]艾洪福, 石莹. 基于bp人工神经网络的雾霾天气预测研究[j]. 计算机仿真, 2015,32(1):402-405.