基于集成神经网络的污水处理出水水质软测量模型
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·污水处理过程软测量模型研究现状 | 第10-14页 |
| ·人工神经网络模型 | 第11-13页 |
| ·其他几种常用模型 | 第13-14页 |
| ·课题来源 | 第14页 |
| ·研究内容与论文安排 | 第14-17页 |
| 第2章 污水处理过程软测量模型 | 第17-29页 |
| ·概述 | 第17页 |
| ·污水处理过程工艺 | 第17-20页 |
| ·传统活性污泥法 | 第17-19页 |
| ·序批式工艺 | 第19-20页 |
| ·污水处理过程软测量模型结构 | 第20-21页 |
| ·主导变量和辅助变量的选择 | 第21-23页 |
| ·主导变量的选择 | 第21页 |
| ·辅助变量的选择 | 第21-23页 |
| ·数据预处理 | 第23-25页 |
| ·数据的误差处理 | 第23-24页 |
| ·数据的标准化处理 | 第24-25页 |
| ·主元分析 | 第25-26页 |
| ·神经网络模型的建立 | 第26-27页 |
| ·小结 | 第27-29页 |
| 第3章 集成神经网络软测量模型 | 第29-43页 |
| ·概述 | 第29页 |
| ·关键出水水质参数之间的关系 | 第29-30页 |
| ·前馈神经网络模型 | 第30-33页 |
| ·神经元的基本构成 | 第31-32页 |
| ·前馈神经网络结构 | 第32-33页 |
| ·集成神经网络软测量模型 | 第33-38页 |
| ·集成神经网络软测量模型结构 | 第33-34页 |
| ·集成神经网络学习算法 | 第34-38页 |
| ·集成神经网络软测量模型仿真实验 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 改进型集成神经网络软测量模型 | 第43-63页 |
| ·概述 | 第43页 |
| ·智能优化算法 | 第43-49页 |
| ·智能优化算法基本概念 | 第43-44页 |
| ·智能优化算法现状 | 第44-49页 |
| ·粒子群算法的发展 | 第49-52页 |
| ·标准粒子群算法 | 第49-50页 |
| ·粒子群算法的改进 | 第50-52页 |
| ·改进型混合粒子群算法 | 第52-59页 |
| ·改进型混合粒子群算法基本原理 | 第52-55页 |
| ·改进型混合粒子群算法性能测试 | 第55-59页 |
| ·基于改进型集成神经网络软测量模型仿真实验 | 第59-61页 |
| ·小结 | 第61-63页 |
| 结论和展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
