首页--工业技术论文--建筑科学论文--地下建筑论文--市政工程论文--给水工程(上水道工程)论文--净水工程(给水处理)论文

基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究

摘要第3-5页
ABSTRACT第5-7页
第一章 绪论第11-24页
    1.1 课题研究背景及意义第11-12页
        1.1.1 课题研究背景第11页
        1.1.2 课题研究意义第11-12页
    1.2 课题来源、研究内容和技术路线第12-13页
        1.2.1 课题来源第12页
        1.2.2 研究内容第12-13页
        1.2.3 研究技术路线第13页
    1.3 混凝机理和混凝动力学第13-19页
        1.3.1 混凝机理第13-14页
        1.3.2 混凝动力学第14-19页
    1.4 影响混凝效果的因素分析第19-21页
        1.4.1 原水水质状况第19-20页
        1.4.2 药剂种类及投加量第20页
        1.4.3 水力条件第20-21页
    1.5 水处理混凝投药控制方法研究进展第21-24页
        1.5.1 经典目测法第21页
        1.5.2 烧杯试验法第21-22页
        1.5.3 模拟滤池法第22页
        1.5.4 数学模型法第22页
        1.5.5 单因子控制法第22-23页
        1.5.6 人工智能控制法第23-24页
第二章 浊度控制目标的确定和建模数据的获取第24-33页
    2.1 试验目的第24页
    2.2 试验装置第24-25页
        2.2.1 微涡流絮凝装置第24页
        2.2.2 斜管沉淀装置第24-25页
    2.3 最佳投药量试验第25-27页
        2.3.1 试验水质第25页
        2.3.2 试验设计第25-27页
        2.3.3 试验结果第27页
    2.4 浊度控制目标的确定和建模数据的获取第27-32页
        2.4.1 浊度控制目标的确定第27-28页
        2.4.2 建模数据的获取第28-32页
    2.5 本章小结第32-33页
第三章 微涡流混凝投药数学模型研究第33-50页
    3.1 数学模型建立的基本方式第33页
    3.2 一阶线性函数拟合第33-41页
        3.2.1 拟合方式第33-34页
        3.2.2 拟合结果第34-41页
    3.3 二阶线性函数拟合第41-45页
        3.3.1 拟合方式第41-42页
        3.3.2 拟合结果第42-45页
    3.4 微涡流混凝投药数学模型的构建与误差分析第45-49页
        3.4.1 微涡流混凝投药数学模型的构建第45-46页
        3.4.2 误差分析第46-49页
    3.5 本章小结第49-50页
第四章 基于BP神经网络的微涡流混凝投药控制模型研究第50-57页
    4.1 BP神经网络技术简介第50-51页
        4.1.1 BP神经网络的结构和算法第50-51页
        4.1.2 BP神经网络的优点及局限性第51页
    4.2 微涡流混凝投药控制模型BP神经网络设计第51-52页
        4.2.1 BP神经网络模型设计第51-52页
        4.2.2 数据的归一化第52页
    4.3 BP神经网络在程序上的实现第52-55页
    4.4 BP神经网络模型预测误差分析第55-56页
    4.5 本章小结第56-57页
第五章 基于遗传算法优化BP神经网络的微涡流混凝投药控制模型研究第57-67页
    5.1 遗传算法简介第57-59页
        5.1.1 遗传算法的基本思想第57-58页
        5.1.2 遗传算法的特点第58-59页
    5.2 遗传算法对BP神经网络混凝投药控制模型的优化设计第59-62页
        5.2.1 遗传编码第59-60页
        5.2.2 适应度函数的设计第60页
        5.2.3 遗传算子的设计第60-62页
    5.3 遗传算法优化BP神经网络在程序上的实现第62-65页
    5.4 优化后BP神经网络模型预测误差分析第65-66页
    5.5 本章小结第66-67页
第六章 模型控制效果试验验证第67-72页
    6.1 试验目的第67页
    6.2 试验方案第67页
        6.2.1 试验装置第67页
        6.2.2 试验步骤第67页
    6.3 试验结果第67-71页
        6.3.1 微涡流混凝投药数学控制模型预测结果第67-69页
        6.3.2 微涡流混凝投药BP神经网络控制模型预测结果第69-70页
        6.3.3 微涡流混凝投药遗传算法优化BP神经网络控制模型预测结果第70-71页
    6.4 本章小结第71-72页
第七章 结论和建议第72-74页
    7.1 结论第72-73页
    7.2 建议第73-74页
参考文献第74-80页
个人简历在读期间发表的学术论文第80-81页
致谢第81页

论文共81页,点击 下载论文
上一篇:基于风能的永久磁体电涡流制热装置研究
下一篇:建水文庙建筑装饰艺术研究