| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 污泥膨胀识别方法研究现状 | 第12-17页 |
| 1.2.1 污泥膨胀相关理论 | 第12-14页 |
| 1.2.2 污泥膨胀识别方法研究现状 | 第14-17页 |
| 1.3 课题来源 | 第17页 |
| 1.4 研究内容及论文安排 | 第17-20页 |
| 第2章 污泥膨胀特征变量分析 | 第20-32页 |
| 2.1 污泥膨胀因素分析 | 第20-21页 |
| 2.2 过程变量数据采集 | 第21-23页 |
| 2.3 污泥膨胀特征变量选择 | 第23-24页 |
| 2.4 实验验证 | 第24-30页 |
| 2.4.1 基于污泥膨胀特征变量的SVI模型设计 | 第24-26页 |
| 2.4.2 SVI预测 | 第26-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于知识迁徙学习的自组织模糊神经网络设计 | 第32-52页 |
| 3.1 模糊神经网络 | 第32-34页 |
| 3.2 基于知识迁徙学习的自组织模糊神经网络 | 第34-40页 |
| 3.2.1 基于知识迁徙学习的参数优化算法 | 第34-36页 |
| 3.2.2 神经元的相对重要性评价指标 | 第36-37页 |
| 3.2.3 基于相对重要性的自组织机制 | 第37-39页 |
| 3.2.4 基于知识迁徙学习的自组织模糊神经网络算法步骤 | 第39-40页 |
| 3.3 基于知识迁徙学习自组织模糊神经网络收敛性分析 | 第40-44页 |
| 3.3.1 结构固定阶段 | 第40-43页 |
| 3.3.2 结构自组织阶段 | 第43-44页 |
| 3.4 实验结果及分析 | 第44-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于自组织模糊神经网络的污泥膨胀智能识别 | 第52-64页 |
| 4.1 污泥膨胀风险模型设计 | 第53-54页 |
| 4.2 基于KL-SOA-SOFNN的污泥膨胀风险预测 | 第54-55页 |
| 4.3 实验研究 | 第55-62页 |
| 4.3.1 无干扰情况下对比试验 | 第56-59页 |
| 4.3.2 有干扰情况下对比试验 | 第59-61页 |
| 4.3.3 实验分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 污泥膨胀智能预测系统 | 第64-74页 |
| 5.1 系统开发计划和需求分析 | 第64-66页 |
| 5.1.1 系统开发计划 | 第64-65页 |
| 5.1.2 系统开发需求分析 | 第65-66页 |
| 5.2 系统总体设计 | 第66-68页 |
| 5.2.1 系统开发方案设计 | 第66-67页 |
| 5.2.2 系统开发关键技术 | 第67-68页 |
| 5.3 系统功能设计及实现 | 第68-71页 |
| 5.4 本章小结 | 第71-74页 |
| 结论与展望 | 第74-76页 |
| 参考文献 | 第76-84页 |
| 攻读硕士学位期间的成果 | 第84-86页 |
| 致谢 | 第86页 |
