| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 污泥膨胀检测技术的研究现状 | 第12-16页 |
| 1.2.1 数学模型及污泥膨胀特性研究现状 | 第12-14页 |
| 1.2.2 国内外污泥膨胀检测技术的现状 | 第14-16页 |
| 1.3 模糊神经网络结构设计现状 | 第16-17页 |
| 1.3.1 模糊神经网络结构类型 | 第16页 |
| 1.3.2 模糊神经网络结构设计 | 第16-17页 |
| 1.4 课题来源 | 第17-18页 |
| 1.5 研究内容与论文安排 | 第18-20页 |
| 第2章 污泥容积指数 SVI 的软测量结构设计 | 第20-34页 |
| 2.1 污泥膨胀的软测量模型 | 第20-25页 |
| 2.1.1 污泥膨胀的定义及类型 | 第20页 |
| 2.1.2 污泥沉降性能指标及影响因素 | 第20-22页 |
| 2.1.3 污泥膨胀的数学模型 | 第22-25页 |
| 2.2 软测量技术的研究 | 第25-29页 |
| 2.2.1 软测量技术数学的描述 | 第25-26页 |
| 2.2.2 软测量技术的组成要素 | 第26-28页 |
| 2.2.3 软测量技术分类 | 第28-29页 |
| 2.3 SVI 软测量模型的建立 | 第29-33页 |
| 2.3.1 污水处理过程软测量模型结构 | 第29-30页 |
| 2.3.2 主导变量和辅助变量的选择 | 第30页 |
| 2.3.3 数据预处理 | 第30-32页 |
| 2.3.4 主元分析 | 第32页 |
| 2.3.5 神经网络模型的建立 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 改进递归模糊神经网络 | 第34-50页 |
| 3.1 模糊神经网络 | 第34-38页 |
| 3.1.1 模糊系统和神经网络的融合 | 第34-35页 |
| 3.1.2 模糊神经元 | 第35-36页 |
| 3.1.3 模糊神经网络的结构 | 第36-38页 |
| 3.2 递归模糊神经网络模型 | 第38-43页 |
| 3.2.1 递归模糊神经网络结构 | 第38-39页 |
| 3.2.2 改进递归模糊神经网络结构 | 第39-41页 |
| 3.2.3 递归模糊神经网络的 BP 学习算法 | 第41-43页 |
| 3.3 基于 HRFNN 的污泥膨胀关键参数的软测量模型 | 第43-49页 |
| 3.3.1 数据处理和模型校正 | 第43页 |
| 3.3.2 交叉验证实验 | 第43-45页 |
| 3.3.3 仿真结果与分析 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 自组织递归模糊神经网络及应用 | 第50-64页 |
| 4.1 自组织递归模糊神经网络概述 | 第50-52页 |
| 4.1.1 自组织递归模糊神经网络的提出 | 第50页 |
| 4.1.2 自组织递归模糊神经网络的含义与特点 | 第50页 |
| 4.1.3 模糊神经网络的结构优化算法 | 第50-52页 |
| 4.2 自组织递归模糊神经网络算法 | 第52-57页 |
| 4.2.1 自组织递归模糊神经网络的结构 | 第52-54页 |
| 4.2.2 SOHRFNN 的学习算法 | 第54-57页 |
| 4.3 仿真研究 | 第57-63页 |
| 4.3.1 非线性动态系统辨识 | 第57-60页 |
| 4.3.2 污水处理关键水质参数预测 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间的成果 | 第72-74页 |
| 致谢 | 第74页 |