| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 污水处理过程研究现状 | 第14-19页 |
| 1.2.1 污水处理过程概述 | 第14-16页 |
| 1.2.2 污水处理过程相关参数 | 第16-18页 |
| 1.2.3 污水处理过程控制的研究现状 | 第18-19页 |
| 1.3 人工免疫算法 | 第19-21页 |
| 1.3.1 概述 | 第19-20页 |
| 1.3.2 分类 | 第20-21页 |
| 1.3.3 人工免疫算法用于污水处理 | 第21页 |
| 1.4 本文研究内容与组织结构 | 第21-23页 |
| 第2章 污水处理过程模型分析 | 第23-32页 |
| 2.1 引言 | 第23页 |
| 2.2 ASM系列模型 | 第23-24页 |
| 2.3 BSM1模型 | 第24-30页 |
| 2.3.1 模型结构 | 第25页 |
| 2.3.2 生化反应池模型 | 第25-29页 |
| 2.3.3 二沉池模型 | 第29-30页 |
| 2.4 BSM1仿真平台测试 | 第30-31页 |
| 2.5 结论 | 第31-32页 |
| 第3章 基于AIA-ELM的污水处理出水水质预测 | 第32-39页 |
| 3.1 引言 | 第32-33页 |
| 3.2 极限学习机 | 第33-34页 |
| 3.3 基于AIA-ELM的出水水质预测 | 第34-36页 |
| 3.4 仿真结果及分析 | 第36-38页 |
| 3.4.1 实验参数的选取 | 第36页 |
| 3.4.2 结果及分析 | 第36-38页 |
| 3.5 结论 | 第38-39页 |
| 第4章 基于AIA-TSFNN的溶解氧浓度控制方法 | 第39-47页 |
| 4.1 引言 | 第39-40页 |
| 4.2 TS模糊神经网络 | 第40-41页 |
| 4.2.1 前件网络 | 第40-41页 |
| 4.2.2 后件网络 | 第41页 |
| 4.3 基于AIA-TSFNN的控制方法 | 第41-43页 |
| 4.3.1 控制系统结构 | 第41-42页 |
| 4.3.2 TSFNN的学习算法 | 第42页 |
| 4.3.3 控制流程 | 第42-43页 |
| 4.4 仿真实验 | 第43-45页 |
| 4.5 结论 | 第45-47页 |
| 第5章 基于Copt-aiNet的污水处理过程优化控制 | 第47-55页 |
| 5.1 引言 | 第47-48页 |
| 5.2 评价指标 | 第48页 |
| 5.3 Copt-aiNet算法 | 第48-49页 |
| 5.4 污水处理过程的Copt-aiNet优化控制 | 第49-50页 |
| 5.4.1 优化目标函数 | 第49页 |
| 5.4.2 优化步骤 | 第49-50页 |
| 5.5 仿真试验和结果分析 | 第50-53页 |
| 5.6 结论 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 总结 | 第55页 |
| 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第64页 |
