全文总字数：4584字

1. 研究目的与意义及国内外研究现状

（1）选题目的

1) 研究分析影响pm2.5浓度变化的因素

2) 基于深度学习方法设计pm2.5浓度的时序预测方法；

2. 研究的基本内容

（1）基于lstm的短期pm2.5预测

使用南京、北京、三亚三个城市2014-2017连续四年每天的空气质量指数数据和气象数据，并研究分析筛选出影响pm2.5变化的典型因素。

在基于rnn（recurrent neural network）神经网络拓扑结构上建立lstm模型，选取同样的数据集并且划分同样的训练样本和测试样本，分别进行两种方式的预测：通过1天的pm2.5浓度和其影响因素预测后1天的pm2.5浓度和通过7天的pm2.5浓度预测后3天的pm2.5浓度。

3. 实施方案、进度安排及预期效果

（1）第一阶段（2019年1月1日—2019年2月1日）

a．搜集预测pm2.5浓度的相关论文，熟悉基本的预测方法；

b．对已有的预测方法进行分析，总结不足和需要改进之处。

4. 参考文献

[1] wangzhen. air pollution and exercise: a perspective from china.[j].researchquarterly for exercise and sport,2016,87(3).

[2] xionghuiqiu,lei duan,jian gao,shulan wang,fahe chai,junhu,jingqiao zhang,yaruyun.chemical composition and source apportionment of pm_(10) and pm_(2.5) indifferent functional areas of lanzhou,china[j].journal of environmentalsciences,2016,40(02):75-83.

[3] 杨娟. pm2．5对我国交通环境的影响研究[j]. 科教导刊-电子版（中旬）, 2013(4):156-156.