| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的研究背景和意义 | 第10-12页 |
| 1.1.1 水资源现状 | 第10页 |
| 1.1.2 工业水现状 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 水质评价方法在国内外研究现状 | 第12-14页 |
| 1.2.2 水质模型在国内外研究现状 | 第14-15页 |
| 1.3 本论文的主要工作及创新点 | 第15-17页 |
| 第二章 循环冷却水水质研究基础 | 第17-27页 |
| 2.1 工业循环冷却水系统基本结构 | 第17-19页 |
| 2.1.1 工业用水水质特点 | 第17-19页 |
| 2.1.2 工业循环冷却水处理重要性 | 第19页 |
| 2.2 工业冷却水冷却原理 | 第19-20页 |
| 2.2.1 接触散热原理 | 第19-20页 |
| 2.2.2 蒸发散热原理 | 第20页 |
| 2.3 工业循环冷却水装置 | 第20-26页 |
| 2.3.1 冷却水系统和设备 | 第20-22页 |
| 2.3.2 循环冷却水工艺流程 | 第22页 |
| 2.3.3 工业循环冷却水系统常见问题 | 第22-25页 |
| 2.3.4 工业循环冷却水系统常见问题的控制 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于动态神经网络的循环冷却水水质模型的建立 | 第27-46页 |
| 3.1 人工神经网络基础知识 | 第27-32页 |
| 3.1.1 人工神经网络概述 | 第27-28页 |
| 3.1.2 神经元网络的基本原理 | 第28-29页 |
| 3.1.3 人工神经网络模型 | 第29-30页 |
| 3.1.4 神经网络的学习过程 | 第30-31页 |
| 3.1.5 神经网络的学习规则和学习过程 | 第31-32页 |
| 3.2 动态神经网络时间序列预测 | 第32-33页 |
| 3.2.1 动态神经网络概述 | 第32页 |
| 3.2.2 NARX概述 | 第32-33页 |
| 3.3 循环冷却水水质模型数据 | 第33-36页 |
| 3.3.1 水质数据的来源 | 第33-34页 |
| 3.3.2 数据的提取与预处理 | 第34-36页 |
| 3.4 水质模型的建立 | 第36-39页 |
| 3.4.1 网络模式的选择 | 第37-38页 |
| 3.4.2 网络结构的确定 | 第38-39页 |
| 3.5 NARX神经网络的训练与测试 | 第39-43页 |
| 3.5.1 NARX神经网络创建方法 | 第39-40页 |
| 3.5.2 网络训练 | 第40-43页 |
| 3.6 NARX神经网络模型测试 | 第43-45页 |
| 3.6.1 NARX神经网络模型测试样本数据 | 第43-44页 |
| 3.6.2 NARX神经网络测试仿真结果 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 工业循环冷却水智能决策系统 | 第46-58页 |
| 4.1 智能决策系统的开发工具 | 第46页 |
| 4.2 Matlab与Visual Basic语言接口编程 | 第46-47页 |
| 4.3 神经网络专家系统 | 第47-50页 |
| 4.3.1 神经网络专家系统简介 | 第47页 |
| 4.3.2 神经网络专家系统开发方法 | 第47-48页 |
| 4.3.3 神经网络专家系统结构 | 第48-49页 |
| 4.3.4 神经网络专家系统特点 | 第49-50页 |
| 4.4 工业循环冷却水智能决策系统 | 第50-57页 |
| 4.4.1 系统目标 | 第50-51页 |
| 4.4.2 系统功能结构 | 第51-52页 |
| 4.4.3 数据库设计 | 第52页 |
| 4.4.4 智能决策系统模块的实现 | 第52-57页 |
| 4.5 本章总结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文主要工作总结 | 第58页 |
| 5.2 研究工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表论文和科研情况说明 | 第64-65页 |
| 致谢 | 第65-66页 |