| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状与展望 | 第8-10页 |
| ·光催化氧化脱硫的研究现状 | 第8-9页 |
| ·光催化氧化脱硝的研究现状 | 第9页 |
| ·光催化氧化同时脱硫脱硝的研究现状 | 第9-10页 |
| ·本文的研究内容及目的 | 第10页 |
| ·本章小结 | 第10-11页 |
| 第二章 二氧化钛光催化同时脱硫脱硝实验研究 | 第11-25页 |
| ·TiO_2光催化原理 | 第11页 |
| ·负载型纳米TiO_2 | 第11-12页 |
| ·二氧化钛光催化脱硫脱硝试验系统及试验方法 | 第12-14页 |
| ·实验系统 | 第12-13页 |
| ·实验方法 | 第13-14页 |
| ·实验结果及分析 | 第14-23页 |
| ·TiO_2光催化剂对同时脱硫脱硝效率的影响 | 第14-16页 |
| ·光照条件对同时脱硫脱硝效率的影响 | 第16-18页 |
| ·氧浓度对同时脱硫脱硝效率的影响 | 第18-19页 |
| ·SO_2浓度对 NO_x脱除效率的影响 | 第19-20页 |
| ·NO_x浓度对 SO_2脱除效率的影响 | 第20-21页 |
| ·温度对同时脱硫脱硝效率的影响 | 第21-22页 |
| ·湿度对同时脱硫脱硝效率的影响 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 TiO_2光催化同时脱硫脱硝效率预测多元线性回归法建模 | 第25-35页 |
| ·多元线性回归法 | 第25-26页 |
| ·预测模型中自变量和因变量的确定 | 第26-28页 |
| ·预测模型的拟合精度及预测精度分析 | 第28-30页 |
| ·基于多元线性回归的正交试验结果 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 TiO_2光催化同时脱硫脱硝效率预测神经网络法建模 | 第35-49页 |
| ·BP 神经网络概述 | 第35-43页 |
| ·BP 网络的网络结构及网络结构的确定 | 第35-37页 |
| ·BP 网络学习规则 | 第37-39页 |
| ·BP 网络的训练及训练参数的选取 | 第39-42页 |
| ·BP 网络的改进 | 第42-43页 |
| ·神经网络模型的设计与训练 | 第43-44页 |
| ·神经网络输入变量的选取及神经网络结构的确定 | 第43页 |
| ·数据的预处理 | 第43-44页 |
| ·网络的训练 | 第44页 |
| ·模型训练结果及精度分析 | 第44-46页 |
| ·基于 LMBP 神经网络的正交试验结果 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 TiO_2光催化同时脱硫脱硝效率预测遗传程序设计法建模 | 第49-58页 |
| ·遗传程序设计 | 第49页 |
| ·遗传程序设计的原理 | 第49-52页 |
| ·GP 预测模型的构建 | 第52-53页 |
| ·模型预测结果分析 | 第53-55页 |
| ·基于遗传程序设计的正交试验结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与建议 | 第58-60页 |
| ·结论 | 第58页 |
| ·光催化同时脱硫脱硝实验研究的主要结果 | 第58页 |
| ·TiO_2光催化同时脱硫脱硝效率预测模型主要研究结果 | 第58页 |
| ·后继工作及展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第66页 |
