基于人工神经网络的污水水质指标软测量方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-20页 |
| ·课题背景和意义 | 第9-10页 |
| ·水处理监测系统现状 | 第10-11页 |
| ·水处理方法控制现状 | 第11-12页 |
| ·软测量技术研究进展 | 第12-16页 |
| ·引言 | 第12-13页 |
| ·软测量基本方法 | 第13-15页 |
| ·基于人工神经网络的方法 | 第15-16页 |
| ·本文工作 | 第16-20页 |
| 第2章 污水处理方法及其控制 | 第20-38页 |
| ·常见的污水处理方法 | 第20-25页 |
| ·常见的污水处理方法 | 第20-21页 |
| ·常见生物法为主的污水处理方法 | 第21-25页 |
| ·污水的三级处理工艺及发展趋势 | 第25-31页 |
| ·一级处理工艺及其发展趋势 | 第25-26页 |
| ·二级处理工艺及其发展趋势 | 第26-29页 |
| ·三级处理工艺及其发展趋势 | 第29-31页 |
| ·污水处理技术的新发展 | 第31-32页 |
| ·光氧化法 | 第31页 |
| ·脉冲电晕技术 | 第31页 |
| ·超临界水氧化法 | 第31页 |
| ·超声波技术 | 第31-32页 |
| ·SBR法及其控制 | 第32-38页 |
| ·SBR法的起源和发展 | 第32页 |
| ·SBR法的特点和优点 | 第32-33页 |
| ·序批式活性污泥法的基本流程 | 第33-34页 |
| ·SBR法的自动控制 | 第34-35页 |
| ·SBR法计算机自动控制系统的控制策略 | 第35-38页 |
| 第3章 SBR法控制参数和出水水质参数检测 | 第38-57页 |
| ·pH值的检测 | 第38-40页 |
| ·测定pH值的方法 | 第38页 |
| ·市场上现有的pH计 | 第38-40页 |
| ·氧化还原电位(ORP)的检测 | 第40-41页 |
| ·溶解氧(DO)的检测 | 第41-44页 |
| ·测定溶解氧(DO)的方法 | 第41页 |
| ·膜电极法 | 第41-43页 |
| ·市场上DO传感器 | 第43-44页 |
| ·活性污泥的性质检测 | 第44页 |
| ·磷的检测 | 第44-45页 |
| ·氮的检测 | 第45-47页 |
| ·生化需氧量(BOD)的检测 | 第47-52页 |
| ·测定BOD基本方法 | 第47-48页 |
| ·溶解氧仪法 | 第48-49页 |
| ·电量法(又称检压库仑法) | 第49-50页 |
| ·测压法 | 第50页 |
| ·微生物膜传感器法 | 第50-51页 |
| ·快速BOD(QBOD) | 第51-52页 |
| ·化学需氧量(COD) | 第52-57页 |
| ·测定化学需氧量COD的方法 | 第52页 |
| ·重铬酸钾法 | 第52-53页 |
| ·恒电流库仑滴定法 | 第53-55页 |
| ·市场上的离线COD和在线COD测定仪 | 第55-57页 |
| 第4章 软测量原理及方法 | 第57-69页 |
| ·软测量技术 | 第57-62页 |
| ·概述 | 第57页 |
| ·软测量的数学描述 | 第57-58页 |
| ·影响软测量性能的因素 | 第58-61页 |
| ·软测量模型的设计步骤 | 第61-62页 |
| ·软测量模型及其在线校正 | 第62-65页 |
| ·软测量模型 | 第62-64页 |
| ·软测量模型的在线校正 | 第64-65页 |
| ·SBR法的软测量模型建立 | 第65-69页 |
| 第5章 基于BP神经网络的污水指标软测量方法 | 第69-86页 |
| ·神经网络的起源与发展 | 第69-70页 |
| ·基本BP网络 | 第70-74页 |
| ·BP神经网络的基本结构 | 第70页 |
| ·BP算法的具体过程 | 第70-71页 |
| ·BP算法的学习规则 | 第71-74页 |
| ·改进的BP算法 | 第74-79页 |
| ·BP神经网络的设计与仿真实例 | 第79-86页 |
| ·BP神经网络的结构与参数设计 | 第79-80页 |
| ·BP神经网络的训练 | 第80-81页 |
| ·SBR法水质指标BP神经网络仿真结果 | 第81-86页 |
| 第6章 基于RBF网络的污水指标软测量方法 | 第86-98页 |
| ·径向基函数神经网络 | 第86-92页 |
| ·RBF网络模型 | 第86-87页 |
| ·RBF学习过程 | 第87页 |
| ·RBF网络的训练 | 第87-92页 |
| ·改进的RBF算法 | 第92-94页 |
| ·RBF神经网络的设计与仿真实例 | 第94-98页 |
| ·RBF神经网络结构设计 | 第94-95页 |
| ·RBF神经网络的学习过程 | 第95页 |
| ·SBR法水质指标RBF神经网络仿真结果 | 第95-98页 |
| 第7章 总结与展望 | 第98-100页 |
| ·本文工作总结 | 第98页 |
| ·今后的研究发展方向 | 第98-100页 |
| 致谢 | 第100-101页 |
