1.4 本书结构安排

本书共九章，各章内容概括如下：

第1章，绪论部分。主要介绍撰写本书的背景与意义，国内外大气质量研究现状，以及本书主要的研究内容及创新之处。

第2章，智能计算概述。介绍人工神经网络、进化计算和人工免疫系统等相关基础知识。

第3章，在人工免疫系统的基础上，提出若干改进的免疫克隆选择算法。本章介绍了轮盘赌选择算法，构造了二进制位基因位选取和接种策略，构造了局部高斯变异算子，进而提出了三种改进的免疫克隆选择算法，即ICSA-VS，ICSA-LGMO和ICSA-VSLGMO。

第4章，改进的免疫克隆选择算法优化的大气质量评价模型及其应用。根据建立的大气质量评价目标函数，采用三种改进的免疫克隆选择算法（ICSA-VS，ICSA-LGMO和ICSA-VSLGMO）对大气污染损害率公式中的参数进行优化。根据实验结果对三种改进的算法进行分析。根据获得的结果提出了基于免疫克隆选择算法的大气质量综合污染评价模型和评价方法，并将其应用于吉林省某城市和某市十个监测点的大气质量评价中，取得了令人满意的结果。

第5章，在Elman人工神经网络的基础上，提出基于改进免疫克隆选择算法优化动态递归神经网络。首先介绍了基本的Elman人工神经网络数学模型及其学习算法，针对免疫克隆选择算法优化的动态递归神经网络时产生的多参问题和早熟收敛问题，提出和构造了动态阈值策略。在此基础上，提出了基于改进免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO算法）优化动态递归神经网络模型的新方法，对递归神经网络的具体结构、连接权值、联系单元的初始值等实现自动进化训练学习，实现了动态递归神经网络的自动构造与设计。

第6章，提出引入趋势信息的双反馈Elman神经网络。通过在双反馈Elman神经网络的目标函数中引入趋势信息，对双反馈Elman神经网络的学习算法进行探讨，提出了引入趋势信息的双反馈Elman神经网络。

第7章，改进算法在大气质量预测中的应用。将本书提出的几种改进的算法应用于大气质量预测领域，通过实验得到的结果对各种算法进行比较和分析。实验结果表明，本书提出的改进的免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO算法）优化Elman神经网络具有较好的拟合与预测能力，得到了令人满意的结果。

第8章，在进化计算的基础上，采用一种基于群体的随机全局优化工具即粒子群优化算法对计算大气污染损害率的普适公式中的参数进行优化，提出对于多种大气污染物均适用的具有普适性的大气质量综合污染指数评价模型和评价方法，此模型具有公式形式简单，计算简便等优点。由于将大气环境质量的好坏与其所受的损害程度直接相联系，因此使基于粒子群优化算法的大气质量综合评价法具有更明确的物理意义，原理更加直观，而且该评价法不受污染物种类及数目的限制，使其具有很强的通用性和可比性。仿真模拟实验结果表明，本书提出的基于粒子群优化算法的大气质量综合评价法以多种污染物对大气的损害程度即损害率的平均值作为划分等级的标准，克服了普遍使用的空气污染指数（API）法所存在的缺陷，故本书的评价结果更客观、更合理、更准确。

第9章，结论与展望。