| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 绪论 | 第9-14页 |
| ·课题的研究背景和意义 | 第9-10页 |
| ·水资源现状 | 第9页 |
| ·工业水概况 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·水环境数学模型在国内外的研究现状 | 第10-12页 |
| ·水环境数学模型的发展趋势 | 第12页 |
| ·智能算法在水质模型研究中的应用现状 | 第12-13页 |
| ·水环境预测控制 | 第13页 |
| ·本文主要工作 | 第13-14页 |
| 第二章 循环冷却水系统研究基础 | 第14-24页 |
| ·工业用水预处理概述 | 第14-16页 |
| ·天然水成分概述 | 第14-15页 |
| ·工业水预处理方法 | 第15-16页 |
| ·循环冷却水系统的结构和常见问题 | 第16-19页 |
| ·循环冷却水系统的结构 | 第16-18页 |
| ·循环冷却水系统常见问题分析 | 第18-19页 |
| ·常见水质故障的表示及监测 | 第19页 |
| ·水质稳定性及水质监测 | 第19-23页 |
| ·水质稳定性判断方法 | 第19-21页 |
| ·循环冷却水系统的水质监测 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于神经网络的循环冷却水水质模型的建立 | 第24-44页 |
| ·人工神经网络基础 | 第24-28页 |
| ·人工神经网络的发展史概述 | 第24页 |
| ·神经元的结构及功能特点 | 第24-26页 |
| ·神经网络的互联模式 | 第26-27页 |
| ·神经网络的学习与训练 | 第27页 |
| ·神经网络的建模原理 | 第27-28页 |
| ·误差反向传播神经网络的基本原理 | 第28-31页 |
| ·BP神经网络的结构 | 第28页 |
| ·BP网络学习规则 | 第28-30页 |
| ·BP神经网络的优缺点 | 第30-31页 |
| ·水质数据的提取与预处理 | 第31-34页 |
| ·水质数据提取 | 第31-32页 |
| ·数据预处理 | 第32-34页 |
| ·BP网络模型的结构设计 | 第34-37页 |
| ·网络输入输出层确定 | 第34页 |
| ·模型样本集的确定 | 第34-36页 |
| ·网络隐含层的确定 | 第36-37页 |
| ·BP神经网络训练及测试 | 第37-40页 |
| ·BP神经网络参数设定 | 第37-38页 |
| ·BP网络训练 | 第38-40页 |
| ·BP神经网络模型测试 | 第40-42页 |
| ·BP网络模型测试样本的准备 | 第40-41页 |
| ·BP网络模型测试 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于GA改进的BP神经网络的循环冷却水水质模型的建立 | 第44-53页 |
| ·遗传算法基础 | 第44-46页 |
| ·遗传算法的基本思想 | 第44页 |
| ·遗传算法的基本操作和基本要素 | 第44-45页 |
| ·遗传算法步骤 | 第45页 |
| ·遗传算法的特点 | 第45-46页 |
| ·基于BP-GA的水质模型的建立 | 第46-49页 |
| ·GA优化BP方法 | 第46-48页 |
| ·GA-BP模型的训练 | 第48-49页 |
| ·循环冷却水智能辅助分析平台的设计 | 第49-52页 |
| ·编程方法 | 第49-50页 |
| ·软件功能的设计 | 第50页 |
| ·软件界面的设计 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·研究内容总结 | 第53-54页 |
| ·研究工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |