一、课题研究的背景及意义 1.1项目背景本研究课题是以国家重点研发计划基于光丝激光雷达的大气污染多组分监测技术研究项目分解课题四高灵敏度荧光探测系统研究为背景开展的研究，主要在此基础上开发大气污染物的多组分识别和浓度预测系统软件，作为该课题解决方案的信息工具。
国家重点研发计划基于光丝激光雷达的大气污染多组分监测技术研究项目是隶属于地球观测与导航 2018年度基础与前瞻类的重点专项，获得资助1846万元，历时4年。
该项目对标大气污染多组分监测的国家重大应用需求，开展光丝激光雷达技术的基础前瞻性研究工作。
1.2项目意义本项目面向在轨应用时所面临的探测距离远、大气环境复杂及载荷环境适应性要求高等艰巨挑战，目前需解决强飞秒激光与物质相互作用机制的关键科学问题，内涵包括飞秒激光在复杂大气中远程传输机制、诱导荧光谱分子动力学及在光纤放大器中的非线性效应等，并进一步指导飞秒激光多维相干合成、光丝远程调控、高灵敏度组分荧光谱识别系统等关键技术的创新。
通过分析飞秒激光器远程产生的光丝激发各种形态污染物的LIBS特性来识别其中各组分污染物的成分和浓度水平，解决目前大气污染多组分监测的对地观测技术所面临的瓶颈问题，取得新机制、新机理的重大突破，引领该领域世界科技发展前沿。
更加合理地检测当前大气污染，为改善大气质量和保护生态环境等民生计划做出有效的指导建议。
二、国内外研究现状2.1国内研究现状何哲祥、李雷团队通过采用长沙市2015年至2018年的10处国控站点的数据进行验证，结果表明，相对于LSTM，多元线性回归（MLR）和基于小波变换的多元线性回归（WT-MLR）模型，WT-LSTM的均方根误差和绝对平均误差均下降了50%，PM2.5、PM10、SO2、NO2和O3的污染等级预测准确率均在80%以上。
李建新团队以赣州市2017年全年的空气质量和气象数据为研究对象,通过最大相关最小冗余算法（MRMR）提取出最优的特征子集,并将其作为预测模型的输入数据,同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进,最终建立MRMR-HK-SVM模型。
2.2国外研究现状Laura Goulier团队认为建立城市空气质量监测站不仅费时而且费用昂贵，所以利用人工神经网络对明斯特街道峡谷中的10种空气污染物浓度进行了逐时预测（ANN）接近。
对模型进行训练、验证和测试，以评估其性能。
以上是毕业论文文献综述，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。
