| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 厌氧产甲烷和反硝化 | 第15-18页 |
| 1.2.1 厌氧产甲烷的机理和特点 | 第15-16页 |
| 1.2.2 反硝化工艺的机理和特点 | 第16-18页 |
| 1.3 厌氧同时反硝化产甲烷的工艺 | 第18-20页 |
| 1.4 厌氧同时反硝化产甲烷的影响因素 | 第20-22页 |
| 1.4.1 m(COD)/m(NO_3~--N)对反应体系的影响 | 第20-21页 |
| 1.4.2 有机碳源种类 | 第21页 |
| 1.4.3 氮氧化物 | 第21-22页 |
| 1.4.4 反应体系的污泥形态 | 第22页 |
| 1.4.5 有机污染物负荷 | 第22页 |
| 1.5 污水处理过程软测量模型的研究现状 | 第22-26页 |
| 1.5.1 BP神经网络 | 第23-25页 |
| 1.5.2 GA-BP神经网络 | 第25-26页 |
| 1.6 研究的目的、意义和内容 | 第26-28页 |
| 1.6.1 研究的目的和意义 | 第26-27页 |
| 1.6.2 研究的主要内容 | 第27-28页 |
| 第二章 不同碳源对厌氧同时反硝化产甲烷的影响 | 第28-40页 |
| 2.1 材料与方法 | 第28-32页 |
| 2.1.1 主要的仪器设备 | 第28-29页 |
| 2.1.2 主要的实验试剂 | 第29-30页 |
| 2.1.3 实验用模拟废水 | 第30页 |
| 2.1.4 实验接种污泥 | 第30页 |
| 2.1.5 实验方法 | 第30-31页 |
| 2.1.6 分析项目及方法 | 第31-32页 |
| 2.2 结果与讨论 | 第32-38页 |
| 2.2.1 反应体系中pH值和ORP的变化 | 第32-33页 |
| 2.2.2 氮素的去除 | 第33-36页 |
| 2.2.3 有机物的去除 | 第36-37页 |
| 2.2.4 颗粒污泥中典型生物酶活性 | 第37-38页 |
| 2.3 本章小结 | 第38-40页 |
| 第三章 不同污染负荷对厌氧同时反硝化产甲烷的影响 | 第40-51页 |
| 3.1 实验材料与方法 | 第40-44页 |
| 3.1.1 实验装置 | 第40-41页 |
| 3.1.2 主要的实验仪器 | 第41-42页 |
| 3.1.3 主要的实验试剂 | 第42页 |
| 3.1.4 实验用模拟废水 | 第42页 |
| 3.1.5 实验接种污泥 | 第42页 |
| 3.1.6 实验方法 | 第42-43页 |
| 3.1.7 分析项目及方法 | 第43-44页 |
| 3.2 结果与讨论 | 第44-50页 |
| 3.2.1 反应器运行过程中pH的变化 | 第44-45页 |
| 3.2.2 反应器运行过程中硝氮的去除 | 第45-46页 |
| 3.2.3 反应器运行过程中亚硝酸亚和氨氮的变化 | 第46-48页 |
| 3.2.4 反应器运行过程中COD的去除 | 第48-49页 |
| 3.2.5 反应器运行过程中总挥发酸和甲烷产量的变化 | 第49-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 厌氧同时反硝化产甲烷过程的软测量模型研究 | 第51-67页 |
| 4.1 BP神经网络的原理和数学描述 | 第51-54页 |
| 4.2 遗传算法对BP神经网络的优化 | 第54-56页 |
| 4.3 构建软测量模型 | 第56-60页 |
| 4.3.1 获取实验数据 | 第56-57页 |
| 4.3.2 BP神经网络模型结构和训练算法的确定 | 第57-58页 |
| 4.3.3 BP神经网络软测量模型建立 | 第58-59页 |
| 4.3.4 软测量模型性能评价指标 | 第59-60页 |
| 4.4 出水COD的软测量模型分析比较 | 第60-63页 |
| 4.5 出水NO_3~--N的软测量模型分析比较 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 结论 | 第67-68页 |
| 展望 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |