基于智能分析的供水管网水质模拟研究
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 供水管网水质状况 | 第12-13页 |
| 1.1.2 供水管网水质监测现状 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 供水管网水质模型研究现状 | 第14-17页 |
| 1.2.2 管网在线监测系统的研究现状 | 第17-19页 |
| 1.3 主要研究内容及技术方案 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 技术方案 | 第20-21页 |
| 第2章 供水管网浊度来源分析及影响因素研究 | 第21-28页 |
| 2.1 供水管网浊度来源分析 | 第21-22页 |
| 2.2 供水管网浊度变化机理的研究 | 第22-23页 |
| 2.3 供水管网浊度变化的影响因素研究 | 第23-26页 |
| 2.3.1 管道属性对管网水浊度的影响 | 第23-25页 |
| 2.3.2 水力条件对管网水浊度的影响 | 第25-26页 |
| 2.3.3 水质条件对管网水浊度的影响 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 供水管网浊度模拟试验研究 | 第28-45页 |
| 3.1 供水管网仿真模拟实验平台 | 第28-32页 |
| 3.1.1 供水管网仿真模拟实验平台开发的背景 | 第28-29页 |
| 3.1.2 供水管网仿真模拟实验平台的构成 | 第29-32页 |
| 3.2 仿真供水管网水力建模及监测点优化布置 | 第32-36页 |
| 3.2.1 微观模型简介 | 第32页 |
| 3.2.2 基于EPANET的水力建模 | 第32-33页 |
| 3.2.3 基于模型需要的水质监测点优化选址 | 第33-36页 |
| 3.3 实验数据采集及监测结果分析 | 第36-44页 |
| 3.3.1 实验数据采集 | 第36-37页 |
| 3.3.2 实验结果及分析 | 第37-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于BP神经网络的供水管网浊度模拟研究 | 第45-59页 |
| 4.1 神经网络基本理论 | 第45-52页 |
| 4.1.1 神经网络的基本概念 | 第45-48页 |
| 4.1.2 BP神经网络 | 第48-52页 |
| 4.2 实验方案及BP神经网络参数的确定 | 第52-55页 |
| 4.2.1 实验方案的确定 | 第52-53页 |
| 4.2.2 BP神经网络各部分参数的确定 | 第53-55页 |
| 4.3 基于BP神经网络的供水管网浊度模拟 | 第55-58页 |
| 4.3.1 BP神经网络的训练及输出 | 第55-56页 |
| 4.3.2 浊度模拟结果分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 基于RBF神经网络的浊度模拟研究 | 第59-69页 |
| 5.1 RBF神经网络理论简介 | 第59-64页 |
| 5.1.1 RBF神经网络的基函数 | 第59-60页 |
| 5.1.2 RBF神经网络的结构 | 第60-61页 |
| 5.1.3 RBF神经网络的学习算法 | 第61-64页 |
| 5.2 实验方案及神经网络参数的确定 | 第64-65页 |
| 5.2.1 实验方案的确定 | 第64-65页 |
| 5.2.2 RBF神经网络各部分参数的确定 | 第65页 |
| 5.3 基于RBF神经网络的浊度模拟研究 | 第65-68页 |
| 5.3.1 神经网络的训练及输出 | 第65-66页 |
| 5.3.2 浊度模拟结果分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论及建议 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第76-77页 |
| 致谢 | 第77页 |
