| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.1.1 研究背景 | 第16-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 污水处理过程国内外研究现状 | 第18-24页 |
| 1.2.1 污水水质建模研究现状 | 第18-21页 |
| 1.2.2 污水处理过程优化控制研究现状 | 第21-24页 |
| 1.3 论文的主要研究内容和创新点 | 第24-27页 |
| 1.3.1 论文的主要研究内容 | 第24-26页 |
| 1.3.2 论文的主要创新点 | 第26-27页 |
| 1.4 论文的组织构架 | 第27-30页 |
| 第2章 污水处理过程特性分析及优化、决策控制系统框架 | 第30-50页 |
| 2.1 引言 | 第30-31页 |
| 2.2 活性污泥法污水处理工艺流程 | 第31-33页 |
| 2.3 污水处理过程特定分析 | 第33-46页 |
| 2.3.1 生化反应过程机理模型及特性分析 | 第33-37页 |
| 2.3.2 二沉池特性分析 | 第37-40页 |
| 2.3.3 进水数据特点分析 | 第40-44页 |
| 2.3.4 性能评价指标 | 第44-45页 |
| 2.3.5 BSM1仿真平台测试 | 第45-46页 |
| 2.4 污水处理过程优化控制方案 | 第46-48页 |
| 2.4.1 优化控制系统框架 | 第46-47页 |
| 2.4.2 能耗水质模型建立 | 第47页 |
| 2.4.3 设定值优化层 | 第47页 |
| 2.4.4 底层跟踪控制 | 第47-48页 |
| 2.5 污水处理过程决策控制方案 | 第48-49页 |
| 2.5.1 决策控制系统框架 | 第48-49页 |
| 2.5.2 出水氨氮、总氮预测模型建立 | 第49页 |
| 2.5.3 决策控制 | 第49页 |
| 2.6 本章小结 | 第49-50页 |
| 第3章 基于前馈神经网络的污水水质预测研究 | 第50-80页 |
| 3.1 引言 | 第50-52页 |
| 3.2 基本概念 | 第52-56页 |
| 3.2.1 多层感知器 | 第52-53页 |
| 3.2.2 互信息 | 第53-54页 |
| 3.2.3 多层感知器的互信息估计 | 第54-55页 |
| 3.2.4 敏感度分析 | 第55-56页 |
| 3.3 基于互信息的权值初始化 | 第56-58页 |
| 3.3.1 隐含层神经元输入权值和阈值的初始化 | 第56-57页 |
| 3.3.2 输出层神经元输入权值和阈值的初始化 | 第57-58页 |
| 3.3.3 初始化算法流程 | 第58页 |
| 3.4 基于互信息和敏感度的网络结构调整 | 第58-62页 |
| 3.4.1 网络结构调整机制 | 第58-60页 |
| 3.4.2 阈值设定 | 第60-61页 |
| 3.4.3 网络输出不变性证明 | 第61-62页 |
| 3.4.4 HCPS算法流程 | 第62页 |
| 3.5 实验结果及分析 | 第62-79页 |
| 3.5.1 权值初始化实验结果及分析 | 第62-66页 |
| 3.5.2 权值初始化与网络结构调整实验结果及分析 | 第66-79页 |
| 3.6 本章小结 | 第79-80页 |
| 第4章 基于多目标动态优化的污水处理智能优化控制 | 第80-102页 |
| 4.1 引言 | 第80-81页 |
| 4.2 基本概念 | 第81-83页 |
| 4.2.1 动态多目标优化问题 | 第81-82页 |
| 4.2.2 局部搜索NSGA2算法 | 第82-83页 |
| 4.3 NSGA2-DM算法设计与分析 | 第83-86页 |
| 4.3.1 基于记忆的种群初始化 | 第83-84页 |
| 4.3.2 稀疏度计算 | 第84页 |
| 4.3.3 基于密度的局部搜索策略 | 第84-85页 |
| 4.3.4 算法流程 | 第85-86页 |
| 4.4 实验结果及分析 | 第86-97页 |
| 4.4.1 测试问题 | 第86-88页 |
| 4.4.2 性能指标及参数设定 | 第88-89页 |
| 4.4.3 基准优化问题实验 | 第89-96页 |
| 4.4.4 污水处理智能优化控制 | 第96-97页 |
| 4.5 本章小结 | 第97-102页 |
| 第5章 污水处理过程智能决策控制研究 | 第102-116页 |
| 5.1 引言 | 第102-103页 |
| 5.2 污水处理过程智能决策控制框架 | 第103-104页 |
| 5.3 建立预测模型 | 第104-107页 |
| 5.3.1 数据采集 | 第104-105页 |
| 5.3.2 神经网络建立预测模型 | 第105-107页 |
| 5.4 设定值动态优化 | 第107-108页 |
| 5.5 智能决策控制 | 第108-109页 |
| 5.5.1 溶解氧、硝态氮浓度跟踪控制 | 第108-109页 |
| 5.5.2 出水氨氮浓度峰值抑制控制 | 第109页 |
| 5.5.3 出水总氮浓度峰值抑制控制 | 第109页 |
| 5.6 实验结果及分析 | 第109-114页 |
| 5.6.1 评价指标 | 第109-110页 |
| 5.6.2 智能决策控制 | 第110-114页 |
| 5.7 本章小结 | 第114-116页 |
| 结论及展望 | 第116-118页 |
| 参考文献 | 第118-128页 |
| 攻读博士学位期间的成果 | 第128-130页 |
| 攻读博士学位期间参与的科研项目 | 第130-132页 |
| 致谢 | 第132页 |