| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景和研究意义 | 第11-13页 |
| 1.1.1 自来水工业生产信息化 | 第11-12页 |
| 1.1.2 我国水源水质的现状 | 第12-13页 |
| 1.2 研究现状和发展趋势 | 第13-16页 |
| 1.2.1 国内自来水工业生产信息化发展现状 | 第13-15页 |
| 1.2.2 水质预测研究方法 | 第15页 |
| 1.2.3 人工神经网络水质预测模型 | 第15-16页 |
| 1.3 论文的研究内容与组织结构 | 第16-19页 |
| 1.3.1 论文的研究内容 | 第16-17页 |
| 1.3.2 论文的组织机构 | 第17-19页 |
| 第二章 系统需求分析和技术路线 | 第19-34页 |
| 2.1 系统业务需求分析 | 第19-27页 |
| 2.1.1 生产工艺仿真展示 | 第20-22页 |
| 2.1.2 构筑物水量控制 | 第22-24页 |
| 2.1.3 设备检修仿真 | 第24-27页 |
| 2.1.4 运行评估和数据分析 | 第27页 |
| 2.2 系统性能需求分析 | 第27-28页 |
| 2.3 开发环境和相关技术 | 第28-33页 |
| 2.3.1 设计模式 | 第28-30页 |
| 2.3.2 前端开发技术 | 第30-31页 |
| 2.3.3 服务器开发技术 | 第31-33页 |
| 2.3.4 数据库开发技术 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 自来水综合工艺调控模拟管理平台工程化设计 | 第34-57页 |
| 3.1 系统总体设计 | 第34-38页 |
| 3.1.1 软件架构 | 第34-37页 |
| 3.1.2 功能架构 | 第37-38页 |
| 3.2 业务流程设计及建模 | 第38-51页 |
| 3.2.1 动态演示模块 | 第39-44页 |
| 3.2.2 水量控制模块 | 第44-47页 |
| 3.2.3 设备检修模块 | 第47-48页 |
| 3.2.4 运行分析模块 | 第48-51页 |
| 3.3 数据库设计 | 第51-55页 |
| 3.3.1 数据库设计流程 | 第51-53页 |
| 3.3.2 数据库表结构 | 第53-55页 |
| 3.4 本章小结 | 第55-57页 |
| 第四章 自来水综合工艺调控模拟管理平台功能实现 | 第57-79页 |
| 4.1 平台登录系统 | 第57-58页 |
| 4.2 动态演示系统 | 第58-65页 |
| 4.2.1 厂平展示 | 第59-64页 |
| 4.2.2 新、旧工艺流程线 | 第64-65页 |
| 4.3 水量控制系统 | 第65-71页 |
| 4.3.1 水量分配 | 第65-66页 |
| 4.3.2 数据分析 | 第66-71页 |
| 4.4 设备检修系统 | 第71-73页 |
| 4.5 运行评估系统 | 第73-77页 |
| 4.5.1 机加池分析模块 | 第73-75页 |
| 4.5.2 出水水质分析 | 第75-76页 |
| 4.5.3 膜池分析 | 第76-77页 |
| 4.6 系统测试 | 第77-78页 |
| 4.7 本章小结 | 第78-79页 |
| 第五章 BP神经网络与粒子群优化算法理论研究 | 第79-89页 |
| 5.1 BP神经网络 | 第79-82页 |
| 5.1.1 BP神经网络的概述 | 第79-82页 |
| 5.1.2 BP神经网络的局限性 | 第82页 |
| 5.2 粒子群优化算法 | 第82-84页 |
| 5.2.1 粒子群优化算法的概述 | 第83-84页 |
| 5.2.2 粒子群优化算法的局限性 | 第84页 |
| 5.3 PSO优化的BP神经网络 | 第84-86页 |
| 5.4 一种非线性动态惯性权重优化的PSO-BP算法 | 第86-88页 |
| 5.4.1 PSO算法的改进研究 | 第86页 |
| 5.4.2 基于算法参数的改进研究 | 第86-87页 |
| 5.4.3 动态惯性权重优化PSO-BP算法 | 第87-88页 |
| 5.5 本章小节 | 第88-89页 |
| 第六章 基于改进的PSO-BP神经网络的水厂原水水质预测模型 | 第89-100页 |
| 6.1 神经网络水质预测模型建立流程 | 第89-93页 |
| 6.1.1 确定水质预测参数 | 第91-92页 |
| 6.1.2 确定神经网络输入变量 | 第92-93页 |
| 6.1.3 原始数据预处理 | 第93页 |
| 6.2 构建BP神经网络对COD进行预测 | 第93-95页 |
| 6.2.1 BP神经网络参数确定 | 第93-94页 |
| 6.2.2 BP神经网络对COD的预测 | 第94-95页 |
| 6.3 构建非线性惯性权重PSO-BP神经网络模型 | 第95-96页 |
| 6.3.1 改进PSO-BP神经网络参数确定 | 第95-96页 |
| 6.4 利用改进PSO-BP神经网络对COD的预测 | 第96-97页 |
| 6.5 结果分析 | 第97-99页 |
| 6.6 本章总结 | 第99-100页 |
| 第七章 总结与展望 | 第100-103页 |
| 7.1 论文总结 | 第100-102页 |
| 7.2 下一步工作展望 | 第102-103页 |
| 参考文献 | 第103-106页 |
| 致谢 | 第106-107页 |
| 攻读学位期间发表的学术论文目录 | 第107页 |
