污泥厌氧消化的人工神经网络模型
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-33页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 污泥的基本概况 | 第14-19页 |
| 1.2.1 污泥的产生 | 第14页 |
| 1.2.2 污泥的组成 | 第14-15页 |
| 1.2.3 污泥的特性 | 第15-16页 |
| 1.2.4 污泥的分类 | 第16-18页 |
| 1.2.5 污泥的危害 | 第18-19页 |
| 1.3 污泥的处理与处置 | 第19-28页 |
| 1.3.1 污泥的处置 | 第19-21页 |
| 1.3.2 污泥的处理 | 第21-28页 |
| 1.4 人工神经网络 | 第28-32页 |
| 1.4.1 神经元模型 | 第28-29页 |
| 1.4.2 神经网络的基本能力 | 第29页 |
| 1.4.3 几种常用的神经网络 | 第29-30页 |
| 1.4.4 神经网络在环境领域的应用概况 | 第30-32页 |
| 1.5 本文研究内容 | 第32-33页 |
| 第2章 污泥厌氧消化实验 | 第33-37页 |
| 2.1 污泥来源 | 第33页 |
| 2.2 实验装置 | 第33-34页 |
| 2.3 分析项目和方法 | 第34页 |
| 2.4 实验过程 | 第34-37页 |
| 2.4.1 反应器的启动 | 第34-36页 |
| 2.4.2 实验结果 | 第36-37页 |
| 第3章 BP 神经网络建立及仿真 | 第37-58页 |
| 3.1 标准 BP 神经网络及其改进 | 第37-43页 |
| 3.1.1 标准 BP 神经网络的学习算法 | 第37-40页 |
| 3.1.2 标准 BP 神经网络的算法流程 | 第40-41页 |
| 3.1.3 标准 BP 神经网络缺陷及其改进 | 第41-43页 |
| 3.1.4 BP 神经网络的实现工具 | 第43页 |
| 3.2 BP 神经网络的建立 | 第43-49页 |
| 3.2.1 输入层和输出层节点数 | 第43-44页 |
| 3.2.2 隐含层数 | 第44页 |
| 3.2.3 隐含层节点数 | 第44-45页 |
| 3.2.4 转移函数 | 第45-47页 |
| 3.2.5 训练函数 | 第47-48页 |
| 3.2.6 网络性能的评价指标 | 第48页 |
| 3.2.7 学习率 | 第48-49页 |
| 3.2.8 动量因子 | 第49页 |
| 3.2.9 训练目标误差 | 第49页 |
| 3.3 网络训练 | 第49-52页 |
| 3.3.1 数据预处理 | 第49页 |
| 3.3.2 网络训练 | 第49-52页 |
| 3.4 网络仿真 | 第52-56页 |
| 3.5 网络应用 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第66-67页 |
| 致谢 | 第67页 |
