| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及现状 | 第11-12页 |
| 1.2 研究内容及意义 | 第12-13页 |
| 1.3 本文的内容组织 | 第13-15页 |
| 第2章 污水处理工艺及异常诊断 | 第15-19页 |
| 2.1 城市污水处理工艺简介 | 第15-16页 |
| 2.2 污水处理工艺异常诊断过程概述 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 面向污水处理的确定因子专家系统 | 第19-28页 |
| 3.1 基本理论 | 第19-20页 |
| 3.1.1 专家系统概述 | 第19页 |
| 3.1.2 专家系统的基本特征 | 第19-20页 |
| 3.2 面向污水处理的确定因子专家系统推理机设计 | 第20-26页 |
| 3.2.1 确定因子专家系统结构 | 第21-22页 |
| 3.2.2 针对污水处理的专家系统推理机制 | 第22-23页 |
| 3.2.3 推理机算法设计 | 第23-26页 |
| 3.3 专家系统应用结果以及问题 | 第26页 |
| 3.4 本章小结 | 第26-28页 |
| 第4章 基于粗糙集理论的改进关联规则算法 | 第28-37页 |
| 4.1 基本理论 | 第28-32页 |
| 4.1.1 关联规则数据挖掘概述 | 第28-30页 |
| 4.1.2 粗糙集理论 | 第30-31页 |
| 4.1.3 K-means 聚类算法 | 第31-32页 |
| 4.2 基于粗糙集理论的改进关联规则算法设计 | 第32-36页 |
| 4.2.1 基于 K-means 聚类的数据离散化 | 第32-33页 |
| 4.2.2 基于正域的数据属性相对约简 | 第33-35页 |
| 4.2.3 基于粗糙集理论的改进关联规则模型 | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第5章 基于机器学习算法的污水处理异常诊断系统 | 第37-51页 |
| 5.1 系统整体流程概述 | 第37-38页 |
| 5.2 关联规则挖掘算法应用及效果分析 | 第38-44页 |
| 5.2.1 UCI 数据应用案例 | 第38-43页 |
| 5.2.1.1 数据预处理 | 第40-41页 |
| 5.2.1.2 关联规则数据挖掘 | 第41-42页 |
| 5.2.1.3 应用效果评估 | 第42-43页 |
| 5.2.2 城市污水厂实际数据应用方案 | 第43-44页 |
| 5.3 专家系统诊断模块的设计应用 | 第44-50页 |
| 5.3.1 项目技术路线 | 第44-45页 |
| 5.3.2 系统功能设计 | 第45-48页 |
| 5.3.2.1 确定性专家系统模块 | 第45-46页 |
| 5.3.2.2 人工和 DCS 数据诊断模块 | 第46页 |
| 5.3.2.3 工艺实时监控模块 | 第46-47页 |
| 5.3.2.4 权限管理模块 | 第47-48页 |
| 5.3.3 系统业务逻辑和实现 | 第48-50页 |
| 5.3.3.1 普通用户业务逻辑 | 第48页 |
| 5.3.3.2 专家用户规则维护逻辑 | 第48-50页 |
| 5.3.3.3 管理员用户权限 | 第50页 |
| 5.3.4 基于数据挖掘的系统优化 | 第50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |