| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·冷却水水质稳定性的研究现状 | 第10-11页 |
| ·冷却水水质模型的研究现状及发展趋势 | 第11-13页 |
| ·水质预测软件的发展现状 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| 第二章 水质预测系统的研究基础 | 第15-24页 |
| ·工业循环冷却水系统的基本结构 | 第15-17页 |
| ·工业用水的各种水源及其特点 | 第15-16页 |
| ·工业冷却用水的水质要求 | 第16-17页 |
| ·工业循环冷却水系统的常见问题 | 第17-21页 |
| ·冷却水系统的结构 | 第17-19页 |
| ·循环冷却水系统常见的问题及危害 | 第19-21页 |
| ·对循环冷却水系统常见的问题的控制 | 第21-22页 |
| ·对沉积物的控制 | 第21页 |
| ·对金属腐蚀的控制 | 第21-22页 |
| ·对微生物和黏泥的控制 | 第22页 |
| ·对浓缩倍数的控制 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于 BP 神经网络和遗传算法建立水质模型 | 第24-41页 |
| ·人工神经网络概述 | 第24-26页 |
| ·人工神经网络在水环境中的应用 | 第24-25页 |
| ·人工神经网络用于水质模拟的优点 | 第25页 |
| ·利用神经网络建模的预测原理 | 第25-26页 |
| ·水质数据的预处理 | 第26-30页 |
| ·水质数据的来源 | 第26-28页 |
| ·水质数据的选取 | 第28-29页 |
| ·水质数据的归一化 | 第29-30页 |
| ·基于 BP 神经网络的水质预测 | 第30-36页 |
| ·网络结构的确定 | 第30-33页 |
| ·BP 神经网络模型的训练仿真结果 | 第33-34页 |
| ·BP 神经网络模型的测试仿真结果 | 第34-36页 |
| ·利用遗传算法对水质模型进行优化 | 第36-39页 |
| ·遗传算法的特点 | 第36-37页 |
| ·遗传算法的操作过程 | 第37页 |
| ·遗传算法优化神经网络的步骤 | 第37-38页 |
| ·基于 GA-BP 神经网络的水质预测模型的仿真 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 循环冷却水智能辅助分析平台的设计 | 第41-52页 |
| ·分析平台的开发工具 | 第41页 |
| ·C#与 MATLAB 的混合编程 | 第41-44页 |
| ·C#与 MATLAB 的连接方式 | 第42-43页 |
| ·在 MATLAB 中创建.NET 组件 | 第43页 |
| ·C#调用.NET 组件 | 第43-44页 |
| ·专家系统 | 第44-46页 |
| ·专家系统概述 | 第44页 |
| ·专家系统设计原则与步骤 | 第44-45页 |
| ·专家系统的构成 | 第45-46页 |
| ·专家系统的功能 | 第46页 |
| ·循环冷却水智能辅助分析平台简介 | 第46-51页 |
| ·分析平台总体框架 | 第46页 |
| ·用户登录模块 | 第46-47页 |
| ·水质预处理模块 | 第47-49页 |
| ·水质预测模块 | 第49-50页 |
| ·专家建议模块 | 第50页 |
| ·辅助信息查询模块 | 第50-51页 |
| ·本章总结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·本文主要工作总结 | 第52页 |
| ·研究工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |