| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 神经网络研究现状 | 第11-12页 |
| 1.2.2 污水处理出水指标COD软测量研究现状 | 第12-14页 |
| 1.3 本论文主要研究内容及结构安排 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 2 污水处理工艺及出水水质指标分析 | 第16-23页 |
| 2.1 污水处理工艺 | 第16-17页 |
| 2.2 化学需氧量COD简述 | 第17-18页 |
| 2.3 出水水质指标及其与COD关系分析 | 第18-20页 |
| 2.4 COD及其他出水指标检测方式 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于RBF神经网络的出水COD软测量建模 | 第23-44页 |
| 3.1 软测量模型概念 | 第23-24页 |
| 3.2 软测量建模步骤 | 第24-27页 |
| 3.2.1 辅助变量的选取 | 第24-25页 |
| 3.2.2 数据采集与预处理 | 第25-26页 |
| 3.2.3 软测量建模方法 | 第26-27页 |
| 3.2.4 软测量模型在线校正 | 第27页 |
| 3.3 RBF神经网络 | 第27-32页 |
| 3.3.1 RBF神经网络的结构分析 | 第27-28页 |
| 3.3.2 RBF神经网络的学习方法 | 第28-31页 |
| 3.3.3 RBF神经网络的优点与缺点 | 第31-32页 |
| 3.4 出水COD软测量模型的建立 | 第32-39页 |
| 3.4.1 出水COD模型辅助变量的选择 | 第32页 |
| 3.4.2 出水COD模型输入数据的采集和预处理 | 第32-36页 |
| 3.4.3 基于RBF的出水COD软测量模型的建立 | 第36-37页 |
| 3.4.4 出水COD软测量模型的校正 | 第37-39页 |
| 3.5 基于RBF的COD软测量实验结果与分析 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于HS-RBF的软测量模型及优化 | 第44-64页 |
| 4.1 现代启发式智能优化算法 | 第44-45页 |
| 4.2 和声搜素算法 | 第45-51页 |
| 4.2.1 标准和声搜索算法 | 第45-49页 |
| 4.2.2 和声搜索算法的改进 | 第49-51页 |
| 4.3 改进型动态和声算法 | 第51-57页 |
| 4.3.1 改进型动态和声算法的基本原理 | 第51-52页 |
| 4.3.2 改进型动态和声算法的性能评价 | 第52-57页 |
| 4.4 HS算法对RBF神经网络的优化 | 第57-58页 |
| 4.5 基于HS-RBF软测量模型的仿真实验 | 第58-62页 |
| 4.6 本章小结 | 第62-64页 |
| 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第71页 |