餐厨垃圾混合厌氧消化产气预测研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 餐厨垃圾混合厌氧消化 | 第12-13页 |
| 1.2.2 厌氧消化产气预测模型 | 第13-16页 |
| 1.3 研究目标 | 第16-17页 |
| 1.4 研究内容与主要方法 | 第17-18页 |
| 1.5 研究技术路线 | 第18-19页 |
| 第2章 餐厨垃圾混合厌氧消化产气实验 | 第19-33页 |
| 2.1 厌氧消化 | 第19-20页 |
| 2.2 餐厨垃圾厌氧消化主要影响因素 | 第20-22页 |
| 2.3 实验方案 | 第22-25页 |
| 2.4 监测指标 | 第25-26页 |
| 2.5 实验数据 | 第26-28页 |
| 2.6 结果及讨论 | 第28-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 多元线性回归甲烷产量预测模型 | 第33-39页 |
| 3.1 多元线性回归原理 | 第33页 |
| 3.2 基于SPSS的多元线性回归模型建立 | 第33-37页 |
| 3.2.1 相关系数 | 第33-34页 |
| 3.2.2 因子相关性分析 | 第34-35页 |
| 3.2.3 多元线性回归方程建立 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 BP神经网络甲烷产量预测模型 | 第39-49页 |
| 4.1 BP神经网络原理 | 第39-41页 |
| 4.2 BP神经网络模型建立 | 第41-48页 |
| 4.2.1 网络拓扑结构设计 | 第41-44页 |
| 4.2.2 网络训练参数设计 | 第44-45页 |
| 4.2.3 网络模型训练与测试 | 第45-46页 |
| 4.2.4 网络模型验证 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 遗传算法优化BP神经网络甲烷产量预测模型 | 第49-56页 |
| 5.1 遗传算法优化BP神经网络原理 | 第49页 |
| 5.2 遗传算法优化BP神经网络模型建立 | 第49-54页 |
| 5.2.1 网络拓扑结构及参数设计 | 第49-50页 |
| 5.2.2 网络模型训练与测试 | 第50-53页 |
| 5.2.3 网络模型验证 | 第53-54页 |
| 5.3 基于模型的工艺条件优化 | 第54页 |
| 5.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 附录 | 第65-68页 |
| 攻读硕士期间发表的论文及参加的科研项目 | 第68页 |
