基于ANFIS模型的水质COD预测研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 水环境预测方法研究及趋势分析 | 第9-11页 |
| 1.2.1 水环境质量预测研究方法 | 第9-11页 |
| 1.2.2 水环境质量预测趋势分析 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.3.1 研究目标的确定 | 第11-12页 |
| 1.3.2 数据收集的原则 | 第12页 |
| 1.3.3 研究步骤 | 第12页 |
| 1.4 技术路线 | 第12-14页 |
| 2 自适应神经模糊推理系统概述 | 第14-31页 |
| 2.1 概述 | 第14-15页 |
| 2.2 模糊推理简介 | 第15-17页 |
| 2.2.1 隶属度与隶属度函数 | 第15-16页 |
| 2.2.2 模糊规则 | 第16页 |
| 2.2.3 模糊推理系统 | 第16-17页 |
| 2.2.4 模糊系统存在的问题 | 第17页 |
| 2.3 人工神经网络简介 | 第17-25页 |
| 2.3.1 人工神经元模型 | 第18-19页 |
| 2.3.2 BP神经网络 | 第19-22页 |
| 2.3.3 RBF神经网络 | 第22-25页 |
| 2.4 自适应神经模糊推理系统简介 | 第25-29页 |
| 2.4.1 ANFIS推理原理 | 第26-27页 |
| 2.4.2 ANFIS学习算法 | 第27-28页 |
| 2.4.3 单级ANFIS结构 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 水环境质量参数COD预测模型的建立 | 第31-37页 |
| 3.1 研究对象 | 第31-32页 |
| 3.1.1 水质指标的选取 | 第31页 |
| 3.1.2 数据预处理 | 第31-32页 |
| 3.2 ANFIS预测模型的建立 | 第32-34页 |
| 3.2.1 ANFIS模型预测流程 | 第32页 |
| 3.2.2 隶属度函数类型及个数的选取 | 第32-34页 |
| 3.2.3 模型训练次数的选取 | 第34页 |
| 3.3 BP神经网络预测模型 | 第34-35页 |
| 3.3.1 建立模型 | 第34-35页 |
| 3.3.2 BP神经网络模型预测流程 | 第35页 |
| 3.4 RBF神经网络预测模型 | 第35-36页 |
| 3.4.1 建立模型 | 第35页 |
| 3.4.2 RBF神经网络模型预测流程 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 预测模型的应用与检验 | 第37-71页 |
| 4.1 概述 | 第37页 |
| 4.2 模型的应用 | 第37-70页 |
| 4.2.1 饮用水的应用 | 第37-53页 |
| 4.2.2 地表水的应用 | 第53-70页 |
| 4.3 本章小结 | 第70-71页 |
| 5 结论与展望 | 第71-72页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
