| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 纳滤及其模型介绍 | 第10-24页 |
| ·我国城市自来水现状及水处理技术 | 第10页 |
| ·我国城市自来水现状 | 第10页 |
| ·家用自来水处理技术发展阶段 | 第10页 |
| ·膜科学技术发展简况 | 第10-11页 |
| ·膜的分类 | 第11-12页 |
| ·纳滤膜 | 第12-16页 |
| ·纳滤膜的一般特点 | 第13页 |
| ·纳滤膜材料分类及其组件 | 第13-14页 |
| ·纳滤膜研究体系及其应用现状 | 第14-16页 |
| ·已研究的纳滤模型 | 第16-22页 |
| ·膜基本理论 | 第16-17页 |
| ·非平衡热力学模型 | 第17-18页 |
| ·CFSK模型 | 第18页 |
| ·Donnan平衡模型 | 第18页 |
| ·溶解-扩散模型 | 第18-19页 |
| ·电荷模型 | 第19-20页 |
| ·细孔模型 | 第20-21页 |
| ·静电位阻模型 | 第21-22页 |
| ·杂化模型 | 第22页 |
| ·其它模型介绍 | 第22页 |
| ·本章小节 | 第22-24页 |
| 第二章 人工神经网络 | 第24-39页 |
| ·人工神经网络介绍 | 第24-25页 |
| ·人工神经网络发展的历史回顾 | 第25-26页 |
| ·人工神经网络的应用 | 第26页 |
| ·人工神经网络的学习方法 | 第26-28页 |
| ·学习方式 | 第26-27页 |
| ·学习规则 | 第27-28页 |
| ·神经网络分类 | 第28-29页 |
| ·神经网络模型 | 第29-34页 |
| ·线性神经网络 | 第29-30页 |
| ·BP神经网络 | 第30-33页 |
| ·径向基函数神经网络 | 第33-34页 |
| ·运用工具箱设计网络的原则和过程 | 第34-35页 |
| ·神经网络在膜科学中的应用现状 | 第35-37页 |
| ·常规数学模型与神经网络模型的比较 | 第37页 |
| ·神经网络应用于纳滤膜的思路 | 第37-39页 |
| 第三章 纳滤实验 | 第39-50页 |
| ·前言 | 第39-40页 |
| ·实验仪器及试剂 | 第40-41页 |
| ·实验仪器 | 第40页 |
| ·实验试剂 | 第40-41页 |
| ·纳滤膜的选择及水质指标测定方法 | 第41-42页 |
| ·纳滤膜的选择 | 第41页 |
| ·水质指标测定方法 | 第41-42页 |
| ·纳滤实验 | 第42-45页 |
| ·实验装置及进水水质 | 第42-43页 |
| ·实验条件的确定 | 第43-45页 |
| ·实验结果讨论 | 第45-49页 |
| ·膜通量衰减与运行随时间的关系 | 第46页 |
| ·进出水电导率变化情况 | 第46-47页 |
| ·进出水pH的变化情况 | 第47-48页 |
| ·进出水TOC的变化情况 | 第48-49页 |
| ·本章小节 | 第49-50页 |
| 第四章 基于神经网络的膜通量预测 | 第50-78页 |
| ·神经网络的设计 | 第50-52页 |
| ·输入变量和输出变量的选择 | 第50页 |
| ·隐层层数的选择 | 第50-51页 |
| ·隐层节点数的确定 | 第51页 |
| ·网络参数的设计 | 第51-52页 |
| ·实验数据的采集及处理 | 第52-53页 |
| ·实验数据采集 | 第52页 |
| ·实验数据处理 | 第52-53页 |
| ·网络训练效果评判 | 第53-54页 |
| ·基于线性网络的膜通量预测 | 第54-56页 |
| ·基于BP网络的膜通量预测 | 第56-69页 |
| ·基于自适应修改学习率算法的膜通量预测 | 第56-59页 |
| ·基于比例共轭梯度算法的膜通量预测 | 第59-62页 |
| ·基于动量批梯度下降算法的膜通量预测 | 第62-65页 |
| ·基于Levenberg-Marquardt(LM)算法的膜通量预测 | 第65-69页 |
| ·基于RBF网络的膜通量预测 | 第69-72页 |
| ·基于时间序列神经网络的膜通量预测 | 第72-74页 |
| ·理论模型膜通量预测 | 第74-76页 |
| ·本章小节 | 第76-78页 |
| 第五章 总结与展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 附录 产水量标准化温度校正系数表 | 第84-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85-86页 |
| 致谢 | 第86页 |