| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-34页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13页 |
| ·污水生物脱氮原理 | 第13-17页 |
| ·硝化作用 | 第13-15页 |
| ·反硝化作用 | 第15-17页 |
| ·新型生物脱氮技术 | 第17-34页 |
| ·短程硝化反硝化工艺 | 第18-22页 |
| ·厌氧氨氧化工艺 | 第22-30页 |
| ·好氧脱氨工艺 | 第30页 |
| ·同步硝化反硝化工艺 | 第30-32页 |
| ·Oland 工艺 | 第32页 |
| ·Canon 工艺 | 第32-34页 |
| 第2章 技术路线与实施方案 | 第34-36页 |
| ·实验目的 | 第34页 |
| ·技术路线 | 第34-35页 |
| ·技术思路 | 第34-35页 |
| ·技术途径 | 第35页 |
| ·实施方案 | 第35-36页 |
| 第3章 SBBR 反应器启动及控制因素的确定 | 第36-47页 |
| ·SBBR 技术概述 | 第36-40页 |
| ·技术背景及原理 | 第36-38页 |
| ·SBBR 运行方式及特点 | 第38-40页 |
| ·反应器的启动 | 第40-44页 |
| ·实验反应器 | 第40页 |
| ·人工配水 | 第40-41页 |
| ·分析测量方法 | 第41页 |
| ·实验填料选择 | 第41-42页 |
| ·反应器的驯化与稳定 | 第42-44页 |
| ·控制因素的确定 | 第44-47页 |
| 第4章 基于ANN 的SBBR 短程硝化过程仿真研究 | 第47-62页 |
| ·实验方法及条件 | 第47页 |
| ·实验方法 | 第47页 |
| ·控制条件 | 第47-48页 |
| ·BP 人工神经网络 | 第48-51页 |
| ·BP 模型结构 | 第48-49页 |
| ·误差反向传播（BP）学习算法 | 第49-51页 |
| ·BP 网络动态模型建立 | 第51-55页 |
| ·样本数据 | 第51-52页 |
| ·训练流程 | 第52-53页 |
| ·网络拓扑结构设计 | 第53-55页 |
| ·实验结果分析与讨论 | 第55-61页 |
| ·网络性能的评价 | 第55页 |
| ·网络运行参数的优化 | 第55-57页 |
| ·少量样本组ANN 仿真结果 | 第57-58页 |
| ·ANN 随机动态仿真结果及分析 | 第58-59页 |
| ·影响因素权重分析 | 第59-61页 |
| ·实验小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-74页 |
| 致谢 | 第74-75页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第75-76页 |
| 附录 B 攻读学位期间专利申请目录 | 第76-77页 |
| 附录 C BP 模型实验 Matlab 应用程序 | 第77-79页 |