首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--水质监测论文

紫外法水质COD检测的理论与实验研究

中文摘要第3-4页
ABSTRACT第4-5页
第一章 绪论第8-16页
    1.1 水质监测概述第8-10页
        1.1.1 水质监测的起源及分类第8-9页
        1.1.2 水质监测的主体及目的第9页
        1.1.3 水质监测的方法第9-10页
    1.2 COD 检测原理、方法及其研究进展第10-14页
        1.2.1 COD 的检测原理第10-11页
        1.2.2 COD 检测的主要方法及其研究现状第11-14页
    1.3 本文的主要研究内容第14-16页
第二章 紫外吸收法 COD 检测技术的工作原理第16-24页
    2.1 紫外吸收法测量COD第16-20页
        2.1.1 分子吸收光谱的产生原理第16-17页
        2.1.2 郎伯比尔定律第17-19页
        2.1.3 有机物吸收特性第19-20页
    2.2 紫外吸收COD 数据分析方法第20-24页
        2.2.1 线性回归方法第20-23页
        2.2.2 紫外全波段光谱扫描法第23-24页
第三章 水质 COD 监测仪器第24-29页
    3.1 水质COD 监测仪器的分类及现状第24-25页
    3.2 仪器的总体结构第25-26页
    3.3 检测光路系统设计第26-29页
        3.3.1 光源选择第26-27页
        3.3.2 分光系统简介第27-28页
        3.3.3 光电采集系统简介第28-29页
第四章 紫外吸收法检测实验研究第29-48页
    4.1 标准溶液实验第29-44页
        4.1.1 实验仪器第29页
        4.1.2 邻苯二甲酸氢钾标准溶液的配制第29-30页
        4.1.3 邻苯溶液吸光度的检测第30-35页
        4.1.4 吸光度与浊度的关系实验第35-42页
        4.1.5 其他干扰COD 测定的因素第42-44页
    4.2 海河水样的实验第44-48页
        4.2.1 海河流域水质现状第44-45页
        4.2.2 实验步骤第45-46页
        4.2.3 海河水样的COD 值的多样性第46-48页
第五章 紫外吸光度的 COD 预测建模第48-63页
    5.1 人工神经网络的概述第48-50页
    5.2 BP 人工神经网络算法第50-56页
        5.2.1 BP 神经网络的结构第51页
        5.2.2 BP 建模数据预处理第51-52页
        5.2.3 BP 神经网络拓扑结构的确定第52-53页
        5.2.4 反向传播算法的限制与不足第53-54页
        5.2.5 紫外吸收光谱吸光度与COD 值的BP 神经网络模型第54-56页
    5.3 偏最小二乘法第56-61页
        5.3.1 偏最小二乘法的基本理论第57-60页
        5.3.2 紫外吸收法COD 检测中偏最小二乘法模型的建立第60-61页
    5.4 BP 网络与偏最小二乘回归预测精度及性能评价比较第61-63页
        5.4.1 两种模型预测精度的比较第61-62页
        5.4.2 两种数学模型的性能评价第62-63页
第六章 总结与展望第63-66页
    6.1 总结第63-64页
    6.2 展望第64-66页
参考文献第66-69页
发表论文和参加科研情况说明第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:局部阴影条件下基于模糊控制的光伏阵列重构系统的研究
下一篇:圆柱绕流及涡激振动的二维数值模拟