| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 插表索引 | 第10-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题背景及研究意义 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外水质软测量的研究现状 | 第11-12页 |
| ·国内水质软测量的研究现状 | 第12页 |
| ·课题研究的主要内容及章节安排 | 第12-14页 |
| 第二章 软测量技术的研究及软测量模型的设计 | 第14-26页 |
| ·软测量技术的基本理论 | 第14-15页 |
| ·软测量技术的数学描述 | 第14页 |
| ·软测量技术的应用条件 | 第14页 |
| ·软测量技术的用途及意义 | 第14-15页 |
| ·软测量技术的分类 | 第15-21页 |
| ·软测量模型的设计 | 第21-25页 |
| ·辅助变量的初选 | 第21-22页 |
| ·现场数据采集与数据预处理 | 第22-23页 |
| ·辅助变量的精选 | 第23-24页 |
| ·建立软测量模型 | 第24页 |
| ·离线训练模型 | 第24页 |
| ·模型的在线校正 | 第24-25页 |
| ·基于神经网络的软测量模型的可行性分析 | 第25页 |
| ·基于神经网络的软测量模型存在的问题分析 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 神经网络与遗传算法 | 第26-39页 |
| ·神经网络 | 第26-31页 |
| ·神经网络的概念 | 第26页 |
| ·神经网络的几种基本类型 | 第26-27页 |
| ·神经网络的学习算法 | 第27-28页 |
| ·RBF神经网络的结构 | 第28-29页 |
| ·RBF神经网络的基本学习算法 | 第29-31页 |
| ·遗传算法 | 第31-37页 |
| ·遗传算法的描述 | 第31-32页 |
| ·编码方式及适应度函数 | 第32-34页 |
| ·遗传算法的操作 | 第34-36页 |
| ·控制参数的选择 | 第36页 |
| ·遗传算法的特点 | 第36-37页 |
| ·混合递阶遗传算法优化RBF网络参数 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 污水处理工艺 | 第39-44页 |
| ·水污染的概念和污染物类型 | 第39页 |
| ·我国污水处理工艺现状 | 第39-40页 |
| ·污水处理关键水质参数及水质排放标准 | 第40-42页 |
| ·污水处理关键水质参数 | 第40-41页 |
| ·进水水质及排放标准 | 第41-42页 |
| ·生化需氧量(BOD)的检测 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于混合递阶遗传算法优化RBF神经网络的BOD软测量模型 | 第44-55页 |
| ·输入变量的选择及PCA算法 | 第44-46页 |
| ·输入变量的选择 | 第44页 |
| ·主元分析的概念 | 第44页 |
| ·主元分析的算法 | 第44-46页 |
| ·混合递阶遗传算法的参数设计 | 第46-47页 |
| ·软测量建模的主要步骤 | 第47-49页 |
| ·软测量模型的仿真分析与比较 | 第49-54页 |
| ·软测量模型的仿真结果 | 第49-52页 |
| ·仿真结果比较 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论和展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第61-62页 |
| 附录B 出水BOD实验数据 | 第62-65页 |