论文目录 | |
中文摘要 | 第1-6页 |
Abstract | 第6-15页 |
第一章 绪论 | 第15-27页 |
1.1 研究背景及意义 | 第15-17页 |
1.2 国内外研究现状 | 第17-25页 |
1.2.1 我国大气污染现状 | 第17-20页 |
1.2.2 大气污染健康效应研究现状 | 第20-23页 |
1.2.3 污染物与气温协同作用的健康效应研究现状 | 第23-25页 |
1.2.4 研究中存在的问题 | 第25页 |
1.3 本文的研究目的和内容 | 第25-27页 |
第二章 资料与方法 | 第27-42页 |
2.1 空气污染指数和空气质量指数 | 第27-29页 |
2.1.1 API定义及计算方法 | 第27-28页 |
2.1.2 AQI定义及计算方法 | 第28-29页 |
2.2 资料来源 | 第29-33页 |
2.2.1 大气污染监测资料来源 | 第29-30页 |
2.2.2 气象资料来源 | 第30-32页 |
2.2.3 疾病资料来源 | 第32-33页 |
2.3 研究方法 | 第33-42页 |
2.3.1 经验正交分解 | 第33-34页 |
2.3.2 小波分解及Mallat算法原理 | 第34页 |
2.3.3 聚类分析 | 第34页 |
2.3.4 人工神经网络 | 第34-35页 |
2.3.5 空气污染气象参数 | 第35页 |
2.3.6 Pearson相关系数 | 第35-36页 |
2.3.7 最小二乘支持向量机 | 第36-38页 |
2.3.8 疾病的流行病学分布特征分析方法 | 第38页 |
2.3.9 污染物与疾病的暴露—反应关系研究方法 | 第38-40页 |
2.3.10平均气温与污染物的协同作用的研究方法 | 第40-42页 |
第三章 我国空气污染物时空分布特征 | 第42-62页 |
3.1 中国大陆重点城市API空间分布特征 | 第42-46页 |
3.1.1 API年均分布特征 | 第42-43页 |
3.1.2 API季节分布特征 | 第43-45页 |
3.1.3 API月分布特征 | 第45-46页 |
3.2 中国大陆重点城市AQI空间分布特征 | 第46-48页 |
3.2.1 AQI年均分布特征 | 第46-47页 |
3.2.2 AQI季节分布特征 | 第47-48页 |
3.3 API的首要污染物分布及其特征 | 第48-52页 |
3.3.1 空气质量为优天数的季节百分比 | 第48-49页 |
3.3.2 API首要污染物为PM10的季节百分比 | 第49-50页 |
3.3.3 API首要污染物为SO2的季节百分比 | 第50-51页 |
3.3.4 API首要污染物为NO2的季节百分比 | 第51-52页 |
3.4 AQI首要污染物季节分布百分比 | 第52-56页 |
3.4.1 AQI首要污染物为PM10的季节百分比 | 第52-53页 |
3.4.2 AQI首要污染物为PM2.5的季节百分比 | 第53-54页 |
3.4.3 AQI首要污染物为O3的季节百分比 | 第54-56页 |
3.5 我国API的时间变化特征 | 第56-60页 |
3.5.1 基于EOF的API空间模态型 | 第56-58页 |
3.5.2 基于小波分析的API时变特征 | 第58-60页 |
3.6 小结 | 第60-62页 |
第四章 典型代表城市空气污染气象成因分析 | 第62-84页 |
4.1 边界层特征参数与污染物之间的相关分析 | 第62-71页 |
4.1.1 典型代表城市的选取 | 第62-64页 |
4.1.2 典型代表城市的逆温分布特征 | 第64-65页 |
4.1.3 典型代表城市最大混合层厚度分布特征 | 第65-66页 |
4.1.4 典型代表城市低层稳定能量分布特征 | 第66-71页 |
4.2 API与气象条件的相关分析 | 第71-82页 |
4.2.1 API与地面气象要素之间的相关分析 | 第71-75页 |
4.2.2 气温与API、风速及稳定能量的曲线拟合 | 第75-78页 |
4.2.3 北京市和兰州市SO2、NO2和PM10的浓度变化特征 | 第78-82页 |
4.3 小结 | 第82-84页 |
第五章 污染物与相关敏感性疾病的关系 | 第84-103页 |
5.1 疾病、污染物及气象因素的频率分布 | 第84-90页 |
5.1.1 研究区域 | 第84-85页 |
5.1.2 北京市相关疾病日急诊就诊人数、污染物及气象要素的频率分布 | 第85-87页 |
5.1.3 兰州市相关疾病日均住院人数、污染物及气象要素的频率分布 | 第87-90页 |
5.2 大气污染物与气象要素间Spearman相关分析 | 第90-91页 |
5.2.1 北京市污染物与气象要素间的相关分析 | 第90-91页 |
5.2.2 兰州市污染物与气象要素间的相关分析 | 第91页 |
5.3 单项污染物对疾病的健康效应研究 | 第91-95页 |
5.3.1 北京市单项污染物影响效应模型 | 第91-93页 |
5.3.2 兰州市单项污染物影响效应模型 | 第93-95页 |
5.4 潜在混杂因素对疾病的健康效应 | 第95-98页 |
5.4.1 北京市混杂因素对疾病的健康效应 | 第95-96页 |
5.4.2 兰州市混杂因素对疾病的健康效应 | 第96-97页 |
5.4.3 季节因素对疾病的健康效应 | 第97-98页 |
5.5 多污染物模型 | 第98-100页 |
5.5.1 北京市多污染物模型 | 第98-99页 |
5.5.2 兰州市多污染物模型 | 第99-100页 |
5.6 讨论 | 第100-101页 |
5.7 小结 | 第101-103页 |
第六章 污染物与气温协同作用对疾病的影响 | 第103-119页 |
6.1 气温对北京市相关疾病急诊人数的健康效应 | 第103-106页 |
6.1.1 气温对呼吸系统疾病逐日急诊人数的影响 | 第103-104页 |
6.1.2 气温对循环系统疾病逐日急诊人数的影响 | 第104-106页 |
6.2 气温对兰州市相关疾病逐日住院人数的健康效应 | 第106-109页 |
6.2.1 气温对呼吸系统疾病逐日住院人数的影响 | 第106-108页 |
6.2.2 气温对兰州市循环系统疾病逐日住院人数的影响 | 第108-109页 |
6.3 污染物与气温协同作用对北京市相关疾病的健康效应 | 第109-113页 |
6.3.1 污染物与气温协同作用对北京市相关疾病影响的显著性检验 | 第109页 |
6.3.2 污染物与气温协同作用对北京市呼吸系统疾病急诊人数的影响 | 第109-111页 |
6.3.3 污染物与气温协同作用对北京市循环系统疾病急诊人数的影响 | 第111-113页 |
6.4 污染物与气温协同作用对兰州市相关疾病住院人数的影响 | 第113-116页 |
6.4.1 污染物与气温协同作用对兰州市相关疾病影响的显著性检验 | 第113页 |
6.4.2 污染物与气温协同作用对兰州市呼吸系统疾病住院人数的影响 | 第113-115页 |
6.4.3 污染物与气温协同作用对兰州市循环系统疾病住院人数的影响 | 第115-116页 |
6.5 讨论 | 第116-118页 |
6.6 小结 | 第118-119页 |
第七章 基于空气污染和气象条件的敏感性疾病预报研究 | 第119-132页 |
7.1 基于BP神经网络的相关疾病预报建模 | 第119-125页 |
7.1.1 筛选因子 | 第120页 |
7.1.2 建立人工神经网络预测模型 | 第120-122页 |
7.1.3 BP神经网络模型的预测效果评价方法 | 第122页 |
7.1.4 基于BP神经网络的相关敏感性疾病就诊人数预报结果分析 | 第122-125页 |
7.2 基于最小二乘支持向量机的相关疾病预报建模 | 第125-129页 |
7.2.1 筛选因子 | 第125-126页 |
7.2.2 建立LSSVM预测模型 | 第126页 |
7.2.3 LSSVM的预报结果及效果评价 | 第126-129页 |
7.3 两种预报方法效果比较 | 第129-130页 |
7.4 结论与讨论 | 第130-132页 |
第八章 结论与展望 | 第132-136页 |
8.1 主要结论 | 第132-134页 |
8.2 特色与创新点 | 第134-135页 |
8.3 存在的不足及展望 | 第135-136页 |
在学期间参加的科研项目和研究成果 | 第136-138页 |
一. 参加科研项目 | 第136页 |
二. 发表学术论文 | 第136-137页 |
三. 获奖情况 | 第137-138页 |
致谢 | 第138-140页 |
参考文献 | 第140-148页 |