| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 活性污泥絮体微观特征的研究 | 第10-13页 |
| 1.1.1 活性污泥絮体的微观组成与分形结构 | 第10-11页 |
| 1.1.2 活性污泥絮体的形成机理 | 第11-13页 |
| 1.2 基于图像分析技术的污泥沉降性能研究 | 第13-19页 |
| 1.2.1 基于单因素的活性污泥絮体特征研究 | 第14-17页 |
| 1.2.2 基于多因素的活性污泥絮体特征研究 | 第17-19页 |
| 1.3 问题的提出及研究意义 | 第19-20页 |
| 1.4 研究内容 | 第20-22页 |
| 1.4.1 提出新的污泥沉降性能响应参数 | 第20-21页 |
| 1.4.2 建立主成分-判别分析（PCA-DA）污泥沉降性能判别模型 | 第21页 |
| 1.4.3 建立偏最小二乘回归-人工神经网络（PLS-ANN）污泥沉降性能判别模型 | 第21页 |
| 1.4.4 建立主成分-人工神经网络（PCA-ANN）污泥沉降性能软测量模型 | 第21-22页 |
| 1.5 技术路线 | 第22-23页 |
| 第2章 试验装置与试验方法 | 第23-33页 |
| 2.1 实验室规模试验装置 | 第23页 |
| 2.2 单一参数响应试验的污泥絮体培养方法 | 第23-24页 |
| 2.3 沉降性能判别试验的污泥絮体培养方法 | 第24页 |
| 2.4 沉降性能软测量试验的全尺寸污水厂运行概况 | 第24-25页 |
| 2.5 检测项目与方法 | 第25-27页 |
| 2.5.1 絮体微观特征参数 | 第25-27页 |
| 2.5.2 污水处理系统运行参数 | 第27页 |
| 2.6 统计分析方法 | 第27-33页 |
| 2.6.1 基于单一参数的响应研究 | 第27页 |
| 2.6.2 基于主成分-判别分析的响应研究 | 第27-29页 |
| 2.6.3 基于偏最小二乘回归-人工神经网络的响应研究 | 第29-31页 |
| 2.6.4 基于主成分-人工神经网络的响应研究 | 第31-33页 |
| 第3章 显微容积指数和污泥微絮体指数的提出及响应效果分析 | 第33-43页 |
| 3.1 絮体结构模型的讨论 | 第33-34页 |
| 3.2 显微容积指数（MVI）的理论推导 | 第34-36页 |
| 3.3 MVI与SVI的响应效果验证 | 第36-38页 |
| 3.4 污泥微絮体指数（SMI）的理论推导 | 第38-39页 |
| 3.5 SMI与SVI的响应效果验证 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 主成分-判别分析污泥沉降性能判别模型建立 | 第43-51页 |
| 4.1 反应器和污水厂中的污泥沉降性能分布特征 | 第43页 |
| 4.2 絮体微观参数间的内在关系 | 第43-45页 |
| 4.3 污泥絮体微观特征综合指标的构建 | 第45-47页 |
| 4.4 基于絮体微观特征综合指标的污泥沉降性状态分析 | 第47页 |
| 4.5 污泥絮体微观特征与沉降性的映射关系 | 第47-48页 |
| 4.6 判别模型的误差分析 | 第48-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 偏最小二乘-人工神经网络污泥沉降性能判别模型建立 | 第51-57页 |
| 5.1 基于偏最小二乘方法的成分提取 | 第51-52页 |
| 5.2 基于RBF神经网络的污泥沉降性状态分析 | 第52-54页 |
| 5.3 絮体微观参数与SVI的内在关系 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 主成分-人工神经网络污泥沉降性能软测量模型建立 | 第57-66页 |
| 6.1 污水厂运行参数与絮体微观参数间的内在关系 | 第57-59页 |
| 6.2 基于人工神经网络模型对污泥沉降性的软测量 | 第59-61页 |
| 6.3 污水厂运行特征综合指标的构建 | 第61-63页 |
| 6.4 基于污水厂运行特征综合指标的污泥沉降性软测量 | 第63-65页 |
| 6.5 本章小结 | 第65-66页 |
| 第7章 结论与展望 | 第66-68页 |
| 7.1 主要结论 | 第66-67页 |
| 7.2 可能的创新点 | 第67页 |
| 7.3 建议与展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文及其它研究成果 | 第74-75页 |
| 致谢 | 第75页 |
