| 目录 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| ·引言 | 第7-8页 |
| ·污水处理技术及SBR污水处理工艺 | 第8-12页 |
| ·污水处理的基本概念和分类 | 第8页 |
| ·常见的生物法污水处理方法 | 第8-10页 |
| ·SBR污水处理工艺 | 第10-12页 |
| ·SBR污水处理自动控制中的水质监测技术 | 第12-15页 |
| ·污水处理相关的水质指标及测量方法 | 第12-14页 |
| ·水质监测技术在SBR污水处理自动控制中的应用 | 第14-15页 |
| ·选题意义 | 第15-16页 |
| ·本论文主要内容和安排 | 第16-17页 |
| 第二章 基于BP神经网络的软测量方法 | 第17-33页 |
| ·引言 | 第17页 |
| ·软测量技术 | 第17-22页 |
| ·软测量技术介绍 | 第17-18页 |
| ·软测量模型的设计 | 第18-22页 |
| ·SBR污水处理中BP神经网络的COD软测量模型 | 第22-25页 |
| ·辅助变量选择 | 第22-23页 |
| ·BP神经网络建模 | 第23-24页 |
| ·基于变化率的COD软测量模型 | 第24页 |
| ·基于时间窗的COD软测量模型 | 第24-25页 |
| ·BP神经网络设计 | 第25-29页 |
| ·BP神经网络的基本结构 | 第25-26页 |
| ·BP神经网络的学习过程 | 第26-27页 |
| ·BP神经网络存在的问题及优化方法 | 第27-29页 |
| ·实验结果与讨论 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 支持向量机和神经网络联合软测量COD方法 | 第33-44页 |
| ·引言 | 第33-34页 |
| ·支持向量机和神经网络联合软测量SBR污水处理中COD的模型 | 第34-36页 |
| ·支持向量机预估计 | 第36-38页 |
| ·训练样本分类的必要性 | 第36页 |
| ·支持向量机的起源 | 第36-37页 |
| ·支持向量机的学习过程 | 第37-38页 |
| ·神经网络预测 | 第38-40页 |
| ·Elman神经网络的网络模型 | 第38-39页 |
| ·Elman神经网络的学习过程 | 第39-40页 |
| ·实验结果与讨论 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 一种AdaBoost的多神经网络COD软测量方法 | 第44-54页 |
| ·引言 | 第44页 |
| ·SBR污水处理中AdaBoost的多神经网络软测量COD模型 | 第44-46页 |
| ·多神经网络系统集成 | 第46-47页 |
| ·AdaBoost算法 | 第47-51页 |
| ·PAC学习模型和Boosting算法 | 第47-48页 |
| ·AdaBoost算法 | 第48-50页 |
| ·用于回归的AdaBoost多神经网络集成 | 第50-51页 |
| ·实验结果与讨论 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
