中文摘要 | 第1-6页 |
英文摘要 | 第6-10页 |
1 前言 | 第10-22页 |
1.1 水污染控制规划方法概述 | 第10-16页 |
1.1.1 水污染控制规划的基本特征、原则、内容与手段 | 第10-12页 |
1.1.2 水污染控制规划方法概述 | 第12-13页 |
1.1.3 水污染控制规划的分类及其计算方法 | 第13-16页 |
1.2 人工神经网络在本研究领域的应用概况 | 第16-18页 |
1.2.1 人工神经网络在优化领域中的应用研究概况 | 第16-17页 |
1.2.2 人工神经网络在水污染控制领域中的应用概况 | 第17-18页 |
1.3 本论文研究的目的、意义和内容 | 第18-22页 |
1.3.1 本论文的背景及意义 | 第19-20页 |
1.3.2 本论文的研究方法 | 第20-21页 |
1.3.3 本论文的研究内容 | 第21-22页 |
2 研究实例资料准备 | 第22-33页 |
2.1 重庆长江、嘉陵江水环境概况 | 第22-24页 |
2.1.1 水资源和水环境背景 | 第22-23页 |
2.1.2 研究范围和时段 | 第23-24页 |
2.2 长江、嘉陵江重庆主城区段排污负荷 | 第24-28页 |
2.2.1 长江、嘉陵江重庆主城区段污染源概况 | 第24页 |
2.2.2 长江、嘉陵江重庆主城区段排污负荷 | 第24-25页 |
2.2.3 研究范围内的排放口的主要污染物及其负荷 | 第25-28页 |
2.3 长江、嘉陵江水质概况 | 第28-33页 |
2.3.1 长江、嘉陵江水质概况 | 第28-29页 |
2.3.2 长江、嘉陵江各控制断面的各污染物控制浓度的确定 | 第29-33页 |
3 水污染控制规划方案优化——水质约束条件研究 | 第33-51页 |
3.1 水质模型概述 | 第33-35页 |
3.1.1 水质模型的概述 | 第33页 |
3.1.2 水质模型的应用 | 第33-35页 |
3.2 二维水质模型 | 第35-36页 |
3.3 横向扩散系数 | 第36-42页 |
3.3.1 横向扩散系数的研究现状 | 第36-39页 |
3.3.2 横向扩散系数传统计算方法 | 第39-42页 |
3.4 长江、嘉陵江横向扩散系数的求解 | 第42-48页 |
3.5 长江、嘉陵江各排放口到各控制断面的影响系数的确定 | 第48-51页 |
4 水污染控制方案离散Hopfield网络(DHNN)优化研究 | 第51-69页 |
4.1 Hopfield网络(Hopfield Nenral Network)的概述 | 第51-60页 |
4.1.1 Hopfield网络基本原理 | 第51-53页 |
4.1.2 离散型Hopfield网络的动态方程 | 第53-59页 |
4.1.3 HPNN求解的一般步骤 | 第59-60页 |
4.2 水污染控制方案DHNN优化研究 | 第60-62页 |
4.2.1 水污染控制方案DHNN优化研究的一般规定 | 第60-61页 |
4.2.2 水污染控制方案DHNN优化研究的数学描述 | 第61-62页 |
4.3 重庆主城区段水污染控制方案DHNN优化研究实例 | 第62-66页 |
4.3.1 重庆主城区段水污染控制规划研究的排放口的基本情况 | 第63页 |
4.3.2 重庆主城区段水污染控制方案研究的基本费用数据 | 第63-66页 |
4.3.3 重庆主城区段排放口的主要污染物及其负荷 | 第66页 |
4.4 DHNN网络优化结果与分析 | 第66-68页 |
4.5 小结 | 第68-69页 |
5 水污染控制规划方案遗传算法优化研究 | 第69-85页 |
5.1 标准GA和基本概念 | 第69-72页 |
5.1.1 标准遗传算法的基本概念 | 第70-71页 |
5.1.2 标准遗传算法的基本步骤 | 第71页 |
5.1.3 遗传算法的特点 | 第71-72页 |
5.2 遗传算法的设计与实现 | 第72-81页 |
5.2.1 编码方法 | 第72-75页 |
5.2.2 适应度函数 | 第75-77页 |
5.2.3 遗传算子 | 第77-81页 |
5.3 水污染控制方案GA优化研究实例 | 第81-82页 |
5.3.1 水污染控制方案GA优化研究的数学描述 | 第81-82页 |
5.4 水污染控制方案GA优化结果与分析 | 第82-84页 |
5.5 小结 | 第84-85页 |
6 结论及建议 | 第85-87页 |
6.1 结论 | 第85页 |
6.2 建议 | 第85-87页 |
致谢 | 第87-89页 |
参考文献 | 第89-94页 |