| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题来源及研究的目的和意义 | 第8-10页 |
| 1.1.1 课题研究的来源和研究条件 | 第8-9页 |
| 1.1.2 课题研究的目的和意义 | 第9-10页 |
| 1.2 膜生物反应器概述 | 第10-13页 |
| 1.2.1 膜生物反应器 | 第10-11页 |
| 1.2.2 膜生物反应器分类 | 第11-13页 |
| 1.2.3 膜生物反应器的优势 | 第13页 |
| 1.3 膜生物反应器在污水处理中的应用进展 | 第13-15页 |
| 1.3.1 国外研究概况 | 第13-14页 |
| 1.3.2 国内研究概况 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 MBR膜污染机理研究 | 第16-22页 |
| 2.1 膜污染的过程、类型和来源 | 第16-17页 |
| 2.2 膜污染的影响因素 | 第17-19页 |
| 2.2.1 污泥浓度及粒径分布 | 第17页 |
| 2.2.2 膜性能及组件布置的影响 | 第17-18页 |
| 2.2.3 操作条件的影响 | 第18-19页 |
| 2.3 膜污染的延缓措施 | 第19-21页 |
| 2.4 膜污染的数学模型研究 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于RBF神经网络的MBR膜污染预测模型 | 第22-36页 |
| 3.1 神经网络概述 | 第22-27页 |
| 3.1.1 神经网络及发展状况 | 第22-23页 |
| 3.1.2 单个神经元模型 | 第23-24页 |
| 3.1.3 神经元的基函数和激活函数 | 第24-26页 |
| 3.1.4 神经网络的两种拓扑结构 | 第26-27页 |
| 3.2 RBF神经网络 | 第27-30页 |
| 3.2.1 RBF神经网络结构 | 第27-29页 |
| 3.2.2 RBF神经网络的特点 | 第29-30页 |
| 3.3 MBR膜污染的RBF仿真模型 | 第30-35页 |
| 3.3.1 实验数据的采集 | 第30-31页 |
| 3.3.2 实验数据的预处理 | 第31-33页 |
| 3.3.3 建立MBR膜污染预测模型 | 第33-34页 |
| 3.3.4 仿真实验及结果 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 应用遗传算法优化MBR智能仿真模型参数 | 第36-46页 |
| 4.1 遗传算法概述 | 第36-39页 |
| 4.1.1 遗传算法的基本策略 | 第36页 |
| 4.1.2 遗传算法的特点 | 第36-37页 |
| 4.1.3 遗传算法的实现步骤 | 第37-39页 |
| 4.2 GA-RBF模型算法设计 | 第39-42页 |
| 4.2.1 优化算法设计 | 第39-41页 |
| 4.2.2 优化实现步骤 | 第41-42页 |
| 4.3 MBR膜污染的GA-RBF仿真模型的建立 | 第42-45页 |
| 4.3.1 建立GA-RBF仿真模型 | 第42-44页 |
| 4.3.2 实验数据收集与分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 搭建基于Hadoop架构的MBR膜污染数据管理平台 | 第46-58页 |
| 5.1 大数据平台管理膜污染数据 | 第46页 |
| 5.2 大数据平台及相关工具 | 第46-50页 |
| 5.2.1 Hadoop集群结构 | 第46-49页 |
| 5.2.2 Hadoop平台相关工具 | 第49-50页 |
| 5.3 膜污染大数据平台的搭建 | 第50-56页 |
| 5.3.1 Hadoop完全分布式集群的配置 | 第50-56页 |
| 5.3.2 Hadoop集群处理膜污染数据 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表论文及科研情况 | 第64-66页 |
| 致谢 | 第66页 |