| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 影响微藻的生长的主要因素 | 第11-13页 |
| 1.2.2 微藻生物膜量的检测方法 | 第13-15页 |
| 1.3 研究的目的及意义 | 第15-16页 |
| 1.4 研究的主要内容 | 第16页 |
| 1.5 本章小结 | 第16-18页 |
| 2 试验的材料与方法 | 第18-26页 |
| 2.1 微藻生物膜的培养 | 第18-20页 |
| 2.1.1 微藻藻种以及培养基的配置 | 第18-19页 |
| 2.1.2 微藻生物膜的培养 | 第19-20页 |
| 2.2 高光谱成像技术 | 第20-24页 |
| 2.2.1 高光谱成像技术的原理 | 第20-21页 |
| 2.2.2 高光谱成像系统 | 第21-24页 |
| 2.3 高光谱采集数据的结构 | 第24-25页 |
| 2.4 实验数据处理的软件 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于不同环境的微藻生物膜高光谱监测研究 | 第26-38页 |
| 3.1 不同温度下的微藻生物膜光谱数据分析 | 第26-30页 |
| 3.2 不同PH值下的微藻生物膜光谱数据分析 | 第30-34页 |
| 3.3 不同光强下的微藻生物膜光谱数据分析 | 第34-35页 |
| 3.4 本章小结 | 第35-38页 |
| 4 微藻生物膜量的预测模型分析 | 第38-58页 |
| 4.1 生物膜光谱特征变量的选择 | 第39-42页 |
| 4.1.1 生物膜的特征变量 | 第39-40页 |
| 4.1.2 选取光谱特征变量的方法 | 第40-41页 |
| 4.1.3 特征变量的相关性系数 | 第41-42页 |
| 4.2 BP神经网络对生物膜生长预测分析 | 第42-46页 |
| 4.2.1 BP神经网络的理论分析 | 第42-45页 |
| 4.2.2 BP神经网络预测结果 | 第45-46页 |
| 4.3 单一特征变量的最小二乘法对生物膜生长预测分析 | 第46-50页 |
| 4.3.1 最小二乘法原理分析 | 第46-47页 |
| 4.3.2 单一特征变量模型的预测结果 | 第47-50页 |
| 4.4 多特征变量融合的最小二乘法对生物膜生长预测分析 | 第50-53页 |
| 4.4.1 多特征变量融合的原理分析 | 第50-51页 |
| 4.4.2 多特征变量融合模型的预测结果 | 第51-53页 |
| 4.5 预测模型的评估方法及模型的比较分析 | 第53-54页 |
| 4.6 预测模型对生物膜生长的验证 | 第54-56页 |
| 4.7 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 后续工作的展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第68页 |