MBR污水处理膜污染智能预警方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 膜污染的基本原理 | 第11-13页 |
| 1.2.2 膜污染预警方法 | 第13-17页 |
| 1.3 课题来源 | 第17页 |
| 1.4 研究内容及论文安排 | 第17-20页 |
| 第2章 膜污染相关性变量获取 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 相关性变量分析概念及相关理论 | 第20-24页 |
| 2.2.1 膜污染的基本原理 | 第21-22页 |
| 2.2.2 偏最小二乘分析的相关理论 | 第22-24页 |
| 2.3 透水率相关性变量实时获取和筛选 | 第24-29页 |
| 2.3.1 模型特点分析透水率相关性变量实时获取 | 第24-27页 |
| 2.3.2 数据预处理 | 第27-29页 |
| 2.3.3 透水率相关性变量确定 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 膜污染预测模型设计 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 软测量方法 | 第30-33页 |
| 3.2.1 透水率相关性变量确定 | 第30-31页 |
| 3.2.2 软测量模型实现流程 | 第31-33页 |
| 3.3 神经网络软测量模型 | 第33-39页 |
| 3.3.1 递归径向基神经网络(RRBFNN) | 第33-36页 |
| 3.3.2 模糊神经网络(FNN) | 第36-37页 |
| 3.3.3 递归模糊神经网络(RFNN)结构 | 第37-39页 |
| 3.4 多步预测方法 | 第39-40页 |
| 3.4.1 递归多步预测策略 | 第39-40页 |
| 3.4.2 直接多步预测策略 | 第40页 |
| 3.5 实验设计与结果分析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 膜污染等级评价方法研究 | 第46-54页 |
| 4.1 引言 | 第46页 |
| 4.2 预警目的的确定及指标选择 | 第46-48页 |
| 4.2.1 预警目的的研究 | 第46-47页 |
| 4.2.2 预警指标的选择 | 第47-48页 |
| 4.3 预警等级的划分 | 第48-49页 |
| 4.4 预警方法的选择 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 膜污染智能预警系统开发 | 第54-70页 |
| 5.1 引言 | 第54页 |
| 5.2 预警系统总体设计 | 第54-56页 |
| 5.3 预警系统功能模块开发 | 第56-57页 |
| 5.4 界面详述和规格 | 第57-62页 |
| 5.5 界面功能和展示 | 第62-64页 |
| 5.6 膜污染智能预警系统实际应用测试 | 第64-68页 |
| 5.7 本章小结 | 第68-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 攻读硕士学位期间的成果 | 第80-82页 |
| 致谢 | 第82页 |
