| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 一、绪论 | 第13-19页 |
| 1. 水污染与污水处理现状 | 第13-15页 |
| 2. 污水处理监测系统现状 | 第15-16页 |
| 3. 污水处理过程在线监测的意义 | 第16-17页 |
| 4. 本文的主要工作 | 第17-19页 |
| 二、软测量技术 | 第19-35页 |
| 1. 软测量模型的提出 | 第19-20页 |
| 2. 建立软测量模型的方法 | 第20-28页 |
| （1） 纯机理建模方法 | 第21页 |
| （2） 基于状态估计的软测量 | 第21-22页 |
| （3） 基于模式识别的软测量 | 第22-26页 |
| （4） 基于人工神经网络的软测量 | 第26-27页 |
| （5） 基于模糊技术的软测量 | 第27-28页 |
| 3. 软测量技术的影响因素 | 第28-31页 |
| （1） 辅助变量的选择 | 第28-29页 |
| （2） 建模方法的选择 | 第29页 |
| （3） 数据的预处理 | 第29-30页 |
| （4） 模型的校正 | 第30-31页 |
| 4. 发展软测量技术的意义 | 第31-32页 |
| 5. 污水水质监测领域软测量技术的应用 | 第32-35页 |
| 三、污水处理过程的生产工艺 | 第35-43页 |
| 1. 污水处理工艺概述 | 第35-37页 |
| 2. 活性污泥法的原理和工艺流程 | 第37-39页 |
| 3. 活性污泥法脱氮工艺和其关键过程参数 | 第39-43页 |
| （1） 生物法脱氮原理 | 第40-41页 |
| （2） 关键过程参数 | 第41-43页 |
| 四、污水总氮的软测量建模方法 | 第43-82页 |
| 1. 主成分分析方法在数据预处理中的应用 | 第43-49页 |
| （1） 主成分分析的提出 | 第43-44页 |
| （2） 主成分分析的原理 | 第44-48页 |
| （3） 主成分分析的性质 | 第48-49页 |
| 2. 径向基函数(RBF)方法建模 | 第49-55页 |
| （1） 人工神经网络的特点和RBF 网络的提出 | 第49-51页 |
| （2） RBF 网络的结构和原理 | 第51-52页 |
| （3） RBF 网络的学习算法 | 第52-55页 |
| 3. 一种新型的学习算法——递阶遗传算法 | 第55-66页 |
| （1） 遗传算法原理和遗传操作 | 第55-62页 |
| （2） 遗传算法的特点 | 第62-63页 |
| （3） 递阶遗传算法原理和结构 | 第63-64页 |
| （4） 运用递阶遗传算法优化RBF 网络参数 | 第64-66页 |
| 4. 基于递阶遗传算法训练RBF 神经网络的软测量算法设计 | 第66-74页 |
| （1） 输入变量的选择和预处理 | 第66-68页 |
| （2） 递阶遗传算法的参数设计 | 第68-71页 |
| (3) 建模的主要步骤 | 第71-74页 |
| 5. 软测量模型仿真分析 | 第74-82页 |
| （1） 软测量模型仿真过程 | 第74-75页 |
| （2） 软测量模型仿真结果 | 第75-78页 |
| （3） 软测量模型结果分析与比较 | 第78-82页 |
| 五、结论与展望 | 第82-85页 |
| 1. 研究结论 | 第82-83页 |
| 2. 对后续研究工作的展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 主成分分析的计算步骤 | 第89-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文目录 | 第94页 |