1. 研究目的与意义
二十世纪以来，工业的迅猛发展导致环境污染问题愈发严重。
大气污染问题日益突出，对人呼吸系统的伤害大，对人的身体健康、大气的能见度和气候的变化有重要影响，在对空气质量的研究方法上，由于国内地域辽阔，地形变化复杂，气象条件多变，人口众多，一般的研究方法难以应对如此复杂的条件。
改善环境问题是一项艰巨的任务，目前，PM2.5预测是空气质量预测领域的研究热点，希望通过探索高效的算法模型，准确预测PM2.5在未来一段时间的浓度变化，掌握及时全面的大气污染物及气候信息，并准确预测空气质量有助于大城市及时采取空气质量防治措施，减小空气污染对人体的伤害。
2. 课题关键问题和重难点
（1）对数据进行预处理，首先针对数据集中的缺失数据，结合输入数据及LSTM模型的特点，对缺失数据进行插补；对将要输入模型的数据进行归一化处理，把有量纲的表达转化为无量纲的表达，提高模型的收敛速度和预测精度。
（2）建立支持快速和动态训练的Pytorch深度学习框架，设计基于LSTM算法的PM2.5预测模型，解决RNN模型训练中的长期依赖问题；根据训练结果调整参数得到最优解后进行测试，使模型更能适应大数据样本的学习，获得更快的收敛速度和更高的准确性。
（3）使用两种LSTM模型改进算法，BiLSTM和GRU算法进行PM2.5浓度预测，根据训练结果调整隐藏神经元的个数、神经网络层数、学习率等各项参数，依次比较这三种模型的性能，并进行分析和总结这两种改进算法。
3. 国内外研究现状（文献综述）
由于雾霾天气频繁地发生,并且长期严重地影响着人们的身体健康以及生活和工作。
而造成雾霾天气的空气污染物中细微颗粒物(Fine Particulate Matter, PM2.5)对人体的危害最为严重。
由PM25引发的雾霾天气对经济及生活带来了巨大的影响。
4. 研究方案
1．查阅资料 针对所选的题目查找设计所需要的资料，了解相关的一些信息。
2．熟练掌握设计所需要的内容 复习以前所学的设计有关的一些专业知识，并运用到设计中去 ，还要基本了解一些设计所要用到的其他方面的知识。
3. 设计内容（1）基于LSTM神经网络选取2016年到2018年PM2.5的浓度数据进行训练，并根据训练结果调整参数得到最优解后进行测试，进而预测2019年的PM2.5的浓度。
5. 工作计划
第 1 周 接受任务书，领会课题含义，按要求查找相关资料；第 2 周 阅读相关资料，理解有关内容；第 3 周 翻译相关英文资料，提出拟完成本课题的方案，写出相关开题报告一份；第 4 周 确定设计方案、参阅有关资料，选择合适的系统模型；第 5 周 设计数据收集、处理方案，对数据进行预处理；第 6 周 分析并学习循环神经网络（RNN）、长短期记忆网络（LSTM）、双向LSTM网络（BiLSTM）、门限重复单元（GRU），并选择合适的网络，期中检查；第 7 周 建立支持快速和动态训练的Pytorch深度学习框架，设计基于LSTM算法的PM2.5预测模型，解决RNN模型训练中的长期依赖问题；第 8 周 使用两种LSTM模型改进算法，BiLSTM和GRU算法进行PM2.5浓度预测， 根据训练结果调整隐藏神经元的个数、神经网络层数、学习率等各项参数；第 9 周依次比较这三种模型的性能，并进行分析和总结这两种改进算法；第10周 软件最终调试；验收成果；第11周 完成毕设论文查重，提交毕设论文终稿和检测报告，接受答辩资格审查；第12周 评阅教师评阅论文，参加答辩；第13周 检查毕设文档，毕设结束。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
