| 学位论文主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 膜生物反应器概述 | 第9-14页 |
| 1.1.1 膜生物反应器的原理及分类 | 第9-12页 |
| 1.1.2 膜生物反应器的优势及问题 | 第12-13页 |
| 1.1.3 膜生物反应器的研究现状 | 第13-14页 |
| 1.2 课题研究条件 | 第14页 |
| 1.3 研究内容、目的和意义 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究目的和意义 | 第15-16页 |
| 1.4 论文结构安排 | 第16-19页 |
| 第二章 MBR膜污染机理与控制概述 | 第19-27页 |
| 2.1 膜污染的定义和起源 | 第19-20页 |
| 2.1.1 膜污染的产生 | 第19-20页 |
| 2.1.2 膜污染的分类 | 第20页 |
| 2.2 膜污染机理研究 | 第20-23页 |
| 2.2.1 浓差极化现象 | 第20-22页 |
| 2.2.2 膜污染的变化阶段 | 第22-23页 |
| 2.3 膜污染的影响因素 | 第23-25页 |
| 2.3.1 膜的固有性质与膜组件 | 第23-24页 |
| 2.3.2 混合液的性质 | 第24页 |
| 2.3.3 膜工艺参数与操作条件 | 第24-25页 |
| 2.4 膜污染的防治 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 大数据平台及人工免疫系统研究 | 第27-45页 |
| 3.1 Hadoop技术与核心框架分析 | 第27-31页 |
| 3.1.1 Hadoop技术 | 第27-29页 |
| 3.1.2 Hadoop核心框架分析 | 第29-31页 |
| 3.2 Hadoop集群搭建与配置 | 第31-38页 |
| 3.2.1 大数据平台软硬件环境 | 第31页 |
| 3.2.2 集群环境搭建 | 第31-38页 |
| 3.3 MBR膜污染数据存储分析 | 第38-40页 |
| 3.4 人工免疫系统概述 | 第40-43页 |
| 3.4.1 人工免疫系统的生物学机理 | 第40-42页 |
| 3.4.2 免疫系统克隆选择理论 | 第42-43页 |
| 3.4.3 免疫算法基本概念 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于Elman神经网络的MBR膜污染预测模型 | 第45-57页 |
| 4.1 Elman神经网络概述 | 第45-46页 |
| 4.2 Elman神经网络结构及学习原理 | 第46-49页 |
| 4.2.1 Elman神经网络结构 | 第46-47页 |
| 4.2.2 Elman神经网络学习过程 | 第47-48页 |
| 4.2.3 Elman神经网络算法实现步骤 | 第48-49页 |
| 4.3 基于Elman神经网络的MBR膜污染预测模型 | 第49-55页 |
| 4.3.1 数据预处理 | 第49-51页 |
| 4.3.2 Elman网络结构的设计 | 第51-52页 |
| 4.3.3 MBR膜污染预测模型建立 | 第52页 |
| 4.3.4 仿真实验及结果分析 | 第52-55页 |
| 4.4 Elman神经网络学习算法的缺陷 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 改进的免疫遗传算法在MBR仿真预测中的应用 | 第57-65页 |
| 5.1 免疫遗传算法 | 第57-58页 |
| 5.1.1 免疫遗传算法的特点 | 第57页 |
| 5.1.2 算法基本流程 | 第57-58页 |
| 5.2 免疫遗传算法优化MBR膜污染预测模型 | 第58-61页 |
| 5.2.1 算法描述 | 第59页 |
| 5.2.2 算法实现 | 第59-61页 |
| 5.3 实验结果及分析 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况 | 第71-73页 |
| 致谢 | 第73页 |
