首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--水质监测论文

多模块自组织神经网络设计及其在污水检测中的应用研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第15-31页
    1.1 课题的研究背景及研究意义第15-17页
        1.1.1 研究背景第15-16页
        1.1.2 研究意义第16-17页
        1.1.3 课题来源第17页
    1.2 国内外研究现状第17-28页
        1.2.1 多模块神经网络研究现状第18-20页
        1.2.2 神经网络结构设计方法研究现状第20-23页
        1.2.3 污水处理过程建模研究现状第23-28页
    1.3 论文的主要研究内容及创新点第28-29页
    1.4 论文的主要架构第29-31页
第2章 多模块神经网络第31-43页
    2.1 引言第31页
    2.2 多模块神经网络简介第31-33页
        2.2.1 多模块神经网络概念第32-33页
        2.2.2 多模块神经网络特点第33页
    2.3 多模块神经网络的架构第33-35页
    2.4 多模块神经网络的性能分析第35-40页
        2.4.1 实验描述第35-36页
        2.4.2 仿真结果与实验分析第36-40页
    2.5 本章小结第40-43页
第3章 基于信息传递的子网络结构设计方法第43-63页
    3.1 引言第43页
    3.2 RBF神经网络第43-45页
    3.3 自组织RBF神经网络结构设计第45-53页
        3.3.1 神经元尖峰模型分析第45页
        3.3.2 基于尖峰模型的自组织机制第45-47页
        3.3.3 SSORBF结构设计及参数学习方法第47-48页
        3.3.4 仿真实验及结果分析第48-53页
    3.4 自组织递归RBF神经网络结构设计方法第53-61页
        3.4.1 SR-RBF结构设计方法第53-55页
        3.4.2 参数学习算法第55-57页
        3.4.3 仿真实验与结果分析第57-61页
    3.5 本章小结第61-63页
第4章 多模块神经网络子网络动态集成方法第63-85页
    4.1 引言第63页
    4.2 多模块神经网络集成存在的问题第63-65页
        4.2.1 多模块神经网络集成问题描述第63-64页
        4.2.2 常见动态集成方法第64-65页
    4.3 PSO-DMNN网络结构设计第65-76页
        4.3.1 多模块神经网络结构第65-67页
        4.3.2 聚类中心参数调整算法第67-68页
        4.3.3 基于PSO算法的多模块神经网络子网络集成方法第68-71页
        4.3.4 仿真实验与结果分析第71-76页
    4.4 基于自适应粒子群算法的多模块神经网络动态集成算法第76-83页
        4.4.1 改进粒子群算法第76-78页
        4.4.2 自适应粒子群算法第78-79页
        4.4.3 APSO-DMNN网络算法实现第79页
        4.4.4 仿真实验与结果分析第79-83页
    4.5 本章小结第83-85页
第5章 基于多模块神经网络的污水处理关键水质参数软测量研究及技术实现第85-109页
    5.1 引言第85页
    5.2 污水处理工艺第85-87页
    5.3 污水处理过程模型分析第87-90页
    5.4 基于多模块神经网络的污水处理多模块在线软测量方法第90-93页
        5.4.1 实验设计第91页
        5.4.2 仿真结果与分析第91-93页
    5.5 污水处理总磷智能检测系统设计及实现第93-106页
        5.5.1 实验数据分析第94-95页
        5.5.2 污水处理智能检测平台的搭建第95-106页
    5.6 本章小结第106-109页
总结与展望第109-111页
参考文献第111-123页
攻读博士学位期间的成果第123-124页
攻读博士学位期间参与的科研项目第124页
攻读博士期间申请的校级科研项目及所获荣誉第124页
攻读博士期间参加的学术会议第124-125页
致谢第125-126页

论文共126页,点击 下载论文
上一篇:宽带柔性梳状表面波传感器研制及在厚壁管道检测中的应用
下一篇:基于RFID、惯性传感器、磁场特征的室内定位关键技术研究