| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.1.1 工业用水概述 | 第8页 |
| 1.1.2 循环冷却水概述 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 冷却水水质模型的国内外研究现状 | 第9-11页 |
| 1.2.2 专家系统的国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作及创新点 | 第12-13页 |
| 第二章 工业循环冷却水水质研究基础 | 第13-24页 |
| 2.1 工业循环冷却水的基础知识 | 第13-15页 |
| 2.1.1 工业用水的各种水源及其特点 | 第13-14页 |
| 2.1.2 工业循环冷却用水的水质要求 | 第14-15页 |
| 2.2 工业循环冷却水系统设备 | 第15-18页 |
| 2.2.1 循环冷却水系统的构造 | 第15-17页 |
| 2.2.2 循环冷却水系统的工艺流程 | 第17-18页 |
| 2.3 循环冷却水系统的日常运行 | 第18-22页 |
| 2.3.1 冷却水系统运行产生的水质故障 | 第18-20页 |
| 2.3.2 冷却水系统浓缩倍数的选择 | 第20-22页 |
| 2.3.3 对循环冷却水系统水处理的重要性 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于NARX神经网络建立冷却水水质预测模型及与其它神经网络的对比 | 第24-44页 |
| 3.1 循环水水质模型数据的预处理 | 第24-27页 |
| 3.1.1 水质模型数据的来源 | 第24-25页 |
| 3.1.2 水质模型数据的选取及预处理 | 第25-27页 |
| 3.2 水质预测方法的选择 | 第27-28页 |
| 3.2.1 人工神经网络的选择 | 第27-28页 |
| 3.2.2 NARX动态神经网络的选择 | 第28页 |
| 3.3 动态神经网络 | 第28-32页 |
| 3.3.1 动态神经网络结构 | 第28-29页 |
| 3.3.2 动态神经网络学习算法 | 第29-30页 |
| 3.3.3 NARX动态神经网络原理 | 第30-31页 |
| 3.3.4 NARX神经网络关键参数的确定 | 第31-32页 |
| 3.4 NARX神经网络水质预测模型测试 | 第32-39页 |
| 3.4.1 NARX神经网络训练 | 第32-36页 |
| 3.4.2 NARX神经网络模型测试样本数据 | 第36-37页 |
| 3.4.3 NARX神经网络模型测试的仿真结果 | 第37-39页 |
| 3.5 与其它神经网络建立的水质预测模型对比 | 第39-43页 |
| 3.5.1 基于BP神经网络建立的水质预测模型 | 第39-41页 |
| 3.5.2 基于RBF神经网络建立的水质预测模型 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 工业循环冷却水专家系统的设计与开发 | 第44-56页 |
| 4.1 专家系统 | 第44-46页 |
| 4.1.1 专家系统概述 | 第44页 |
| 4.1.2 专家系统组成 | 第44-46页 |
| 4.1.3 专家系统工作原理 | 第46页 |
| 4.2 知识库设计 | 第46-47页 |
| 4.2.1 知识库组成 | 第46页 |
| 4.2.2 知识获取 | 第46-47页 |
| 4.2.3 知识表示 | 第47页 |
| 4.3 推理机设计 | 第47-48页 |
| 4.4 工业循环冷却水专家系统实现 | 第48-55页 |
| 4.4.1 专家开发环境及语言 | 第48-49页 |
| 4.4.2 专家系统总体设计 | 第49-50页 |
| 4.4.3 专家系统各个模块的实现 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文主要工作总结 | 第56页 |
| 5.2 研究工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |