| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题来源与背景 | 第13-14页 |
| ·邻苯二甲酸酯类理化性质及在水环境中的污染现状 | 第14-15页 |
| ·邻苯二甲酸酯类主要理化性质 | 第14-15页 |
| ·邻苯二甲酸酯类在水环境中的污染现状 | 第15页 |
| ·AAO 处理工艺概述 | 第15-17页 |
| ·AAO 工艺流程 | 第15-16页 |
| ·AAO 工艺原理及特点 | 第16-17页 |
| ·活性污泥法数学模型 | 第17-19页 |
| ·活性污泥法数学模型概述 | 第17-18页 |
| ·活性污泥法数学模型在污水处理中的应用 | 第18-19页 |
| ·人工神经网络模型 | 第19-21页 |
| ·人工神经网络模型概述 | 第19-20页 |
| ·人工神经网络模型在污水处理中的应用概况 | 第20-21页 |
| ·研究的目的、意义及主要研究内容 | 第21-23页 |
| ·研究目的 | 第21-22页 |
| ·研究意义 | 第22页 |
| ·主要研究内容 | 第22-23页 |
| 第二章 系统启动及最佳工艺条件的选择 | 第23-39页 |
| ·试验装置 | 第23-24页 |
| ·试验材料与方法 | 第24-25页 |
| ·试验材料 | 第24页 |
| ·试验仪器 | 第24-25页 |
| ·试验方法 | 第25页 |
| ·污泥驯化及系统启动 | 第25-27页 |
| ·污泥培养阶段系统常规指标去除情况 | 第25-26页 |
| ·污泥培养阶段系统DBP 去除情况 | 第26-27页 |
| ·AAO 系统中最佳工艺条件的选择 | 第27-37页 |
| ·试验工艺参数的选择 | 第27-28页 |
| ·试验研究步骤 | 第28-29页 |
| ·HRT 对常规指标和DBP 去除的影响 | 第29-33页 |
| ·SRT 对常规指标和DBP 去除的影响 | 第33-37页 |
| ·小结 | 第37-39页 |
| 第三章 AAO 系统中邻苯二甲酸二丁酯降解动力学模型的建立 | 第39-47页 |
| ·活性污泥法数学模型（ASM 系列）概述 | 第39-41页 |
| ·ASM 系列模型简介 | 第39-40页 |
| ·ASM 系列模型使用范围 | 第40-41页 |
| ·DBP 生物降解动力学模型的推导 | 第41-42页 |
| ·DBP 降解动力学模型构建思路 | 第42-43页 |
| ·DBP 生物降解动力学模型的建立 | 第43-45页 |
| ·DBP 厌氧降解动力学模型的建立 | 第43页 |
| ·DBP 缺氧降解动力学模型的建立 | 第43-44页 |
| ·DBP 好氧降解动力学模型的建立 | 第44页 |
| ·DBP 降解动力学模型参数计算 | 第44-45页 |
| ·DBP 降解动力学模型的验证 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于BP 网络的邻苯二甲酸二丁酯预测模型的分析与设计 | 第47-62页 |
| ·BP 神经网络概述 | 第47-52页 |
| ·感知器 | 第47-48页 |
| ·BP 神经网络的结构 | 第48-49页 |
| ·BP 神经网络的算法 | 第49-50页 |
| ·BP 神经网络的实现工具 | 第50-52页 |
| ·基于BP 神经网络的DBP 预测模型的设计 | 第52-60页 |
| ·样本数据的选取 | 第52页 |
| ·样本数据的归一化处理 | 第52页 |
| ·样本数据的预处理 | 第52-55页 |
| ·神经网络结构的确定 | 第55-56页 |
| ·训练参数的确定 | 第56-60页 |
| ·BP 神经网络预测模型的确立 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于BP 神经网络的邻苯二甲酸二丁酯预测模型仿真结果与分析 | 第62-72页 |
| ·数据预处理 | 第62-63页 |
| ·BP 神经网络结构 | 第63-65页 |
| ·BP 神经网络模型的训练与测试 | 第65-66页 |
| ·训练步骤 | 第65-66页 |
| ·仿真预测模型的建立 | 第66页 |
| ·仿真结果与分析 | 第66-70页 |
| ·试验模型比较 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论和展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
