| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-29页 |
| ·课题背景及研究意义 | 第11-13页 |
| ·课题背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·污泥膨胀研究热点及其检测技术研究现状 | 第13-22页 |
| ·污泥膨胀概念及相关理论 | 第13-20页 |
| ·国内外污泥膨胀检测技术研究现状 | 第20-22页 |
| ·递归神经网络研究现状 | 第22-25页 |
| ·递归神经网络结构自组织方法研究现状 | 第23-24页 |
| ·递归神经网络算法研究现状 | 第24-25页 |
| ·课题来源 | 第25页 |
| ·研究内容及论文安排 | 第25-29页 |
| 第2章 污泥容积指数SVI软测量模型设计 | 第29-39页 |
| ·污泥容积指数SVI与机理分析 | 第29-30页 |
| ·污泥容积指数SVI | 第29页 |
| ·机理分析 | 第29-30页 |
| ·SVI软测量原理 | 第30-34页 |
| ·辅助变量的确定 | 第34-37页 |
| ·数据采集和预处理 | 第34-35页 |
| ·辅助变量选取 | 第35-37页 |
| ·SVI软测量模型的建立 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 RS-RBF神经网络设计 | 第39-59页 |
| ·递归RBF神经网络 | 第39-40页 |
| ·递归RBF神经网络结构自组织机制研究 | 第40-44页 |
| ·结构增长-修剪型递归RBF神经网络 | 第40-41页 |
| ·神经网络竞争性分析 | 第41-43页 |
| ·神经元自组织机制 | 第43-44页 |
| ·RS-RBF神经网络 | 第44-50页 |
| ·结构调整算法 | 第45-47页 |
| ·自适应二阶算法 | 第47-49页 |
| ·RS-RBF神经网络实现流程 | 第49-50页 |
| ·收敛性分析 | 第50-52页 |
| ·结构固定时递归RBF神经网络收敛性分析 | 第50-51页 |
| ·结构调整时递归RBF神经网络收敛性分析 | 第51-52页 |
| ·实验结果及分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 基于RS-RBF神经网络的SVI软测量研究 | 第59-69页 |
| ·基于RS-RBF神经网络的SVI软测量模型结构框架 | 第59-61页 |
| ·SVI软测量模型 | 第61-63页 |
| ·SVI软测量模型的训练与预测 | 第61-62页 |
| ·SVI软测量模型的校正 | 第62页 |
| ·SVI软测量模型评价指标 | 第62-63页 |
| ·污泥容积指数SVI预测实验及结果分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 污泥膨胀智能预测系统开发 | 第69-79页 |
| ·系统开发计划和需求分析 | 第69-71页 |
| ·系统开发计划 | 第69-70页 |
| ·系统开发需求分析 | 第70-71页 |
| ·系统开发方案设计及关键技术 | 第71-73页 |
| ·系统开发方案设计 | 第71-72页 |
| ·系统开发关键技术 | 第72-73页 |
| ·系统功能设计及实现 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 结论与展望 | 第79-81页 |
| 参考文献 | 第81-89页 |
| 攻读硕士学位期间的成果 | 第89页 |
| 攻读硕士学位期间所获奖励 | 第89-91页 |
| 致谢 | 第91页 |