| 中文摘要 | 第1-11页 |
| 英文摘要 | 第11-15页 |
| 1 引论 | 第15-38页 |
| 1．1 废水厌氧生物处理技术 | 第15-22页 |
| 1．1．1 废水厌氧生物处理技术 | 第15-17页 |
| 1．1．2 厌氧消化系统影响因素 | 第17-22页 |
| 1．2 厌氧反应器模型 | 第22-27页 |
| 1．2．1 动力学模型 | 第23-26页 |
| 1．2．2 神经网络模型 | 第26-27页 |
| 1．3 人工神经网络 | 第27-33页 |
| 1．3．1 人工神经网络概念 | 第27页 |
| 1．3．2 人工神经网络发展 | 第27-30页 |
| 1．3．3 人工神经网络特征及分类 | 第30-33页 |
| 1．4 人工神经网络在废水厌氧处理中的应用 | 第33-36页 |
| 1．4．1 厌氧消化过程中BP神经网络模型 | 第33-34页 |
| 1．4．2 厌氧消化过程中模糊神经网络模型 | 第34-35页 |
| 1．4．3 自组织映射神经网络模型 | 第35页 |
| 1．4．4 子网并联的神经网络模型 | 第35页 |
| 1．4．5 基于遗传算法的神经网络模型 | 第35-36页 |
| 1．4．6 混合神经网络模型 | 第36页 |
| 1．5 本文研究的主要内容 | 第36-38页 |
| 2 厌氧反应器启动及负荷冲击试验 | 第38-63页 |
| 2．1 厌氧反应器启动 | 第38-44页 |
| 2．1．1 材料和方法 | 第38-40页 |
| 2．1．2 UASB反应器RⅠ和RⅡ的启动 | 第40-42页 |
| 2．1．3 UASB-RⅡ反应器驯化 | 第42-43页 |
| 2．1．4 厌氧滤器启动 | 第43-44页 |
| 2．2 负荷冲击试验 | 第44-48页 |
| 2．2．1 正交试验设计原理 | 第44-45页 |
| 2．2．2 负荷冲击试验设计 | 第45-47页 |
| 2．2．3 试验过程 | 第47-48页 |
| 2．3 负荷冲击试验结果分析 | 第48-62页 |
| 2．3．1 有机负荷单独冲击试验结果分析 | 第48-49页 |
| 2．3．2 CF单独冲击试验结果分析 | 第49-51页 |
| 2．3．3 DNP单独冲击试验结果分析 | 第51-53页 |
| 2．3．4 CF和COD联合冲击试验结果分析 | 第53-54页 |
| 2．3．5 DNP和COD联合冲击试验结果分析 | 第54-57页 |
| 2．3．6 多负荷冲击试验结果分析 | 第57-59页 |
| 2．3．7 反应器在不同负荷冲击下试验结果分析 | 第59-62页 |
| 2．4 小结 | 第62-63页 |
| 3 基于BP神经网络的厌氧反应器模拟预测 | 第63-87页 |
| 3．1 BP神经网络及改进算法 | 第63-69页 |
| 3．1．1 BP算法原理与实现 | 第63-67页 |
| 3．1．2 BP算法改进 | 第67-68页 |
| 3．1．3 神经网络性能评价指标 | 第68页 |
| 3．1．4 数据样本分组 | 第68-69页 |
| 3．2 基于BP神经网络的厌氧反应器时间序列模拟预测 | 第69-78页 |
| 3．2．1 基于神经网络TBPNN-RⅠ的厌氧反应器模拟预测 | 第69-75页 |
| 3．2．2 基于神经网络TBPNN-RⅡ的厌氧反应器模拟预测 | 第75-78页 |
| 3．2．3 TBPNN-RⅠ和TBPNN-RⅡ预测反应器AF动态变化 | 第78页 |
| 3．3 基于不同性能参数的BP神经网络的厌氧反应器模拟预测 | 第78-85页 |
| 3．3．1 基于神经网络MBPNN-RⅠ的厌氧反应器模拟预测 | 第79-83页 |
| 3．3．2 基于神经网络MBPNN-RⅡ的厌氧反应器模拟预测 | 第83-85页 |
| 3．3．3 MBPNN-RⅠ和MBPNN-RⅡ预测反应器AF动态变化 | 第85页 |
| 3．4 小结 | 第85-87页 |
| 4 基于并行遗传算法神经网络的厌氧反应器模拟预测 | 第87-102页 |
| 4．1 基于并行遗传算法的神经网络 | 第87-92页 |
| 4．1．1 遗传算法基本概念 | 第87-88页 |
| 4．1．2 遗传算法实现 | 第88-91页 |
| 4．1．3 基于实数编码的并行遗传算法神经网络 | 第91-92页 |
| 4．2 基于并行遗传算法的神经网络对厌氧反应器的模拟预测 | 第92-100页 |
| 4．2．1 厌氧反应器UASB-RⅠ模拟预测结果 | 第92-97页 |
| 4．2．2 厌氧反应器UASB-RⅡ模拟预测结果 | 第97-99页 |
| 4．2．3 PGANN-RⅠ和PGANN-RⅡ在其它反应器的应用 | 第99-100页 |
| 4．3 小结 | 第100-102页 |
| 5 基于模糊神经网络的厌氧反应器模拟预测 | 第102-120页 |
| 5．1 T-S型模糊神经网络 | 第102-105页 |
| 5．1．1 T-S型模糊系统 | 第102-103页 |
| 5．1．2 T-S型模糊神经网络 | 第103-105页 |
| 5．2 基于模糊神经网络FNN-RⅠ的厌氧反应器模拟预测 | 第105-114页 |
| 5．2．1 模糊神经网络FNN-RⅠ建立 | 第105-110页 |
| 5．2．2 FNN-RⅠ模拟预测结果分析 | 第110-113页 |
| 5．2．3 FNN-RⅠ预测UASB-RⅡ动态变化 | 第113-114页 |
| 5．3 基于模糊神经网络FNN-RⅡ的厌氧反应器模拟预测 | 第114-118页 |
| 5．3．1 模糊神经网络FNN-RⅡ建立 | 第114-115页 |
| 5．3．2 FNN-RⅡ模拟预测结果分析 | 第115-117页 |
| 5．3．3 FNN-RⅡ预测UASB-RⅠ动态变化 | 第117-118页 |
| 5．4 FNN-RⅠ和FNN-RⅡ预测反应器AF动态变化 | 第118页 |
| 5．5 小结 | 第118-120页 |
| 6 厌氧反应器运行状态估计 | 第120-142页 |
| 6．1 基于模糊综合评判模型的厌氧反应器运行状态估计 | 第120-133页 |
| 6．1．1 模糊综合评价原理 | 第120-122页 |
| 6．1．2 厌氧反应器运行状态估计 | 第122-133页 |
| 6．2 基于模糊稳定性指数的厌氧反应器运行状态估计 | 第133-140页 |
| 6．2．1 模糊稳定性指数建立 | 第133-134页 |
| 6．2．2 隶属函数确定 | 第134-136页 |
| 6．2．3 毒物负荷冲击下厌氧反应器的模糊稳定性指数变化 | 第136-140页 |
| 6．3 小结 | 第140-142页 |
| 7 结论 | 第142-147页 |
| 参考文献： | 第147-156页 |
| 附录： 攻读博士学位期间发表的论文 | 第156-157页 |
| 致谢 | 第157页 |
