基于密度聚类自组织RBF神经网络的出水氨氮软测量研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题背景及研究意义 | 第11-14页 |
| ·课题背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·出水氨氮测量研究现状 | 第14-18页 |
| ·出水氨氮概述 | 第14-15页 |
| ·出水氨氮测量现状 | 第15-18页 |
| ·RBF神经网络研究现状 | 第18-19页 |
| ·RBF神经网络结构设计研究现状 | 第18页 |
| ·RBF神经网络学习算法设计研究现状 | 第18-19页 |
| ·课题来源 | 第19页 |
| ·研究内容与论文安排 | 第19-21页 |
| 第2章 出水氨氮辅助变量选择 | 第21-27页 |
| ·出水氨氮机理分析 | 第21-22页 |
| ·出水氨氮辅助变量降维 | 第22-25页 |
| ·数据预处理 | 第22页 |
| ·辅助变量降维 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 自组织RBF神经网络结构调整机制研究 | 第27-49页 |
| ·RBF神经网络 | 第27-28页 |
| ·密度聚类算法设计 | 第28-31页 |
| ·改进K-means优化RBF网络结构模型设计 | 第31-37页 |
| ·密度聚类改进K-means算法 | 第31-33页 |
| ·RBF网络结构学习算法 | 第33-34页 |
| ·模型性能评价 | 第34-37页 |
| ·自组织RBF软测量模型结构设计 | 第37-47页 |
| ·初始网络的确定 | 第37-38页 |
| ·结构调整算法 | 第38-40页 |
| ·结构参数训练算法 | 第40页 |
| ·实现流程 | 第40-42页 |
| ·自组织模型性能评价 | 第42-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 密度聚类自组织RBF网络的出水氨氮软测量 | 第49-61页 |
| ·概述 | 第49页 |
| ·污水处理工艺 | 第49-52页 |
| ·A~2/O工艺 | 第50-51页 |
| ·SBR工艺 | 第51-52页 |
| ·氨氮软测量模型原理 | 第52-53页 |
| ·自组织RBF网络氨氮软测量模型结构框架 | 第53-55页 |
| ·出水氨氮仿真实验及结果分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 污水处理出水氨氮软测量系统开发 | 第61-73页 |
| ·系统开发需求分析与开发目标 | 第61-62页 |
| ·系统开发需求分析 | 第61页 |
| ·系统开发目标 | 第61-62页 |
| ·软件系统总体设计 | 第62-63页 |
| ·软件系统功能开发 | 第63-71页 |
| ·软件登录模块设计 | 第63-66页 |
| ·数据处理模块设计 | 第66-67页 |
| ·网络结构模块设计 | 第67-68页 |
| ·训练及仿真模块设计 | 第68-69页 |
| ·测试及结果分析模块设计 | 第69页 |
| ·系统帮助及退出模块设计 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间的成果 | 第81-83页 |
| 致谢 | 第83页 |
