摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-20页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 无线传感器网络发展现状 | 第13-15页 |
1.2.2 污水处理技术发展现状 | 第15-17页 |
1.3 论文主要研究内容 | 第17-19页 |
1.3.1 论文研究内容 | 第17-18页 |
1.3.2 论文结构 | 第18-19页 |
1.4 本章小结 | 第19-20页 |
第二章 污水处理系统概述及物联网的体系结构 | 第20-28页 |
2.1 污水处理技术 | 第20-23页 |
2.1.1 污水处理过程 | 第20-21页 |
2.1.2 污水处理水质数据监测 | 第21-23页 |
2.2 物联网体系结构概述 | 第23-24页 |
2.3 污水处理系统水质预测的建模 | 第24-27页 |
2.3.1 污水处理过程建模的意义 | 第24-25页 |
2.3.2 污水处理水质预测建模 | 第25-27页 |
2.4 本章小结 | 第27-28页 |
第三章 基于ZigBee的数据采集方法研究 | 第28-43页 |
3.1 基于ZigBee技术的无线传感器网络 | 第28-30页 |
3.1.1 ZigBee技术概述 | 第28-29页 |
3.1.2 基于ZigBee技术的系统总体结构设计 | 第29-30页 |
3.2 无线传感器网络节点设计 | 第30-32页 |
3.2.1 节点设计要求 | 第30页 |
3.2.2 节点模块设计 | 第30-32页 |
3.3 ZigBee技术路由机制 | 第32-35页 |
3.3.1 ZigBee网络拓扑结构 | 第32-33页 |
3.3.2 ZigBee网络地址分配 | 第33-34页 |
3.3.3 ZigBee路由算法 | 第34-35页 |
3.4 ZBR-L算法 | 第35-42页 |
3.4.1 设计思想 | 第35-36页 |
3.4.2 算法实现 | 第36-39页 |
3.4.3 仿真分析 | 第39-42页 |
3.5 本章小结 | 第42-43页 |
第四章 基于行业应用的污水水质预测 | 第43-61页 |
4.1 污水水质预测 | 第43-45页 |
4.1.1 污水水质标准 | 第43-44页 |
4.1.2 相关标准测定方法 | 第44-45页 |
4.2 神经网络水质预测 | 第45-52页 |
4.2.1 神经网络 | 第45-48页 |
4.2.2 BP神经网络预测模型实现 | 第48-50页 |
4.2.3 仿真分析 | 第50-52页 |
4.3 人工蜂群神经网络水质预测 | 第52-59页 |
4.3.1 人工蜂群算法 | 第52-54页 |
4.3.2 ABC-BP预测模型实现 | 第54-56页 |
4.3.3 仿真分析 | 第56-59页 |
4.4 本章小结 | 第59-61页 |
第五章 结论与展望 | 第61-63页 |
5.1 论文工作总结 | 第61页 |
5.2 展望 | 第61-63页 |
参考文献 | 第63-68页 |
致谢 | 第68-69页 |
攻读硕士学位期间取得的研究成果 | 第69页 |