| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 NO_x和SO_2的特性与危害及排放现状 | 第9-12页 |
| 1.1.1 NO_x的性质与危害 | 第9-10页 |
| 1.1.2 SO_2的性质与危害 | 第10-11页 |
| 1.1.3 NO_x和SO_2的排放现状 | 第11-12页 |
| 1.2 生物法同时脱除烟气中NO_x及SO_2的研究进展 | 第12-16页 |
| 1.2.1 国外生物法净化烟气中NO_x、SO_2的研究进展 | 第13-14页 |
| 1.2.2 国内生物法净化烟气中NO_x、SO_2的研究进展 | 第14-16页 |
| 1.3 BP神经网络在环境领域的运用 | 第16-18页 |
| 1.4 本论文的研究背景及意义 | 第18-19页 |
| 1.5 本论文的主要研究内容 | 第19-20页 |
| 第二章 生物法同时净化烟气中NO_x和SO_2装置、原理及影响因素 | 第20-30页 |
| 2.1 实验装置 | 第20-24页 |
| 2.1.1 生物膜填料塔 | 第20-21页 |
| 2.1.2 模拟烟气NO_x和SO_2产气装置 | 第21-22页 |
| 2.1.3 实验装置的运行维护 | 第22-24页 |
| 2.2 实验试剂 | 第24页 |
| 2.3 生物法净化烟气NO_x与SO_2的原理 | 第24-26页 |
| 2.3.1 微生物净化NO_x的原理 | 第24-25页 |
| 2.3.2 微生物净化SO_2的原理 | 第25-26页 |
| 2.4 影响参数选取 | 第26-30页 |
| 2.4.1 NO_x、SO_2的进气口浓度 | 第27页 |
| 2.4.2 气流量 | 第27-28页 |
| 2.4.3 循环液循环量 | 第28页 |
| 2.4.4 循环液pH值 | 第28-29页 |
| 2.4.5 环境温度 | 第29-30页 |
| 第三章 基于BP神经网络的装置模型的构建 | 第30-53页 |
| 3.1 BP神经网络概述 | 第30-35页 |
| 3.1.1 BP算法的基本原理 | 第30-33页 |
| 3.1.2 BP算法步骤 | 第33-34页 |
| 3.1.3 BP神经网络的不足 | 第34-35页 |
| 3.2 Matlab及神经网络工具箱 | 第35页 |
| 3.3 BP神经模型的建立方法 | 第35-38页 |
| 3.3.1 训练样本数据的预处理 | 第35-36页 |
| 3.3.2 初始权值与阈值的确定 | 第36-37页 |
| 3.3.3 BP神经网络结构的确定 | 第37-38页 |
| 3.4 BP神经网络模型的建立与仿真 | 第38-53页 |
| 3.4.1 脱硫柱NO_x脱除效果的BP神经网络模型与仿真 | 第38-45页 |
| 3.4.2 脱氮柱NO_x脱除效果的BP神经网络模型与仿真 | 第45-51页 |
| 3.4.3 脱硫柱SO_2脱除效果的BP神经网络模型与仿真 | 第51-53页 |
| 第四章 基于GA-BP神经网络的装置模型的构建 | 第53-66页 |
| 4.1 遗传算法 | 第53-55页 |
| 4.1.1 基本概念 | 第53-54页 |
| 4.1.2 遗传算法的流程 | 第54-55页 |
| 4.2 遗传算法改进的BP神经网络 | 第55-59页 |
| 4.2.1 编码方案及种群初始化 | 第56页 |
| 4.2.2 适应度函数的确定 | 第56页 |
| 4.2.3 遗传算子的设计 | 第56-59页 |
| 4.3 GA-BP神经网络模型的建立与数据仿真 | 第59-66页 |
| 4.3.1 遗传算法(GA)参数的选择 | 第59页 |
| 4.3.2 脱硫塔NO_x脱除效果的GA-BP模型及仿真 | 第59-62页 |
| 4.3.3 脱氮塔NO_x脱除效果的GA-BP模型及仿真 | 第62-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 结论 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 附录：GA-BP神经网络Matlab代码 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 主持参与科研项目 | 第77-78页 |
| 研究生学习期间发表论文情况 | 第78-79页 |
| 致谢 | 第79页 |
