| 目 录 | 第1-4页 |
| 摘 要 | 第4-5页 |
| ABSTRACT | 第5-9页 |
| 第 1 章 绪论 | 第9-15页 |
| ·课题的背景及研究意义 | 第9-10页 |
| ·污水处理过程自动控制的研究现状 | 第10-11页 |
| ·国内外污水水质监测技术的现状及存在的问题 | 第11-14页 |
| ·国内外污水水质监测技术的现状 | 第11-13页 |
| ·污水水质监测中现存的问题 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第 2 章 软测量技术及软测量模型的设计 | 第15-23页 |
| ·软测量技术的数学描述 | 第15-16页 |
| ·污水处理过程软测量模型的设计 | 第16-22页 |
| ·初步确定辅助变量 | 第16-17页 |
| ·现场数据采集与数据预处理 | 第17-19页 |
| ·辅助变量的精选 | 第19-20页 |
| ·建立软测量模型 | 第20-21页 |
| ·离线训练模型 | 第21页 |
| ·模型的在线校正 | 第21-22页 |
| ·基于神经计算学的软测量模型可行性分析 | 第22-23页 |
| 第 3 章 基于 BP 神经网络污水水质软测量模型 | 第23-39页 |
| ·神经网络概述 | 第23页 |
| ·BP网概述 | 第23-27页 |
| ·标准BP算法(梯度下降反向传播算法) | 第24-26页 |
| ·自适应学习速率梯度下降反向传播算法 | 第26页 |
| ·动量梯度下降反向传播算法 | 第26-27页 |
| ·自适应学习速率动量梯度下降反向传播算法 | 第27页 |
| ·基于BP神经网络的污水水质软测量模型实现 | 第27-38页 |
| ·数据来源与数据预处理 | 第27-28页 |
| ·确定辅助变量和神经网络结构 | 第28-30页 |
| ·仿真结果与分析 | 第30-38页 |
| ·本章小节 | 第38-39页 |
| 第 4 章 基于 GABP 神经网络污水水质软测量模型 | 第39-53页 |
| ·遗传算法概述 | 第39-45页 |
| ·遗传算法基本概念 | 第39-40页 |
| ·遗传算法的设计与实现 | 第40-44页 |
| ·遗传算法在神经网络中的应用 | 第44-45页 |
| ·基于GABP神经网络的污水水质软测量模型实现 | 第45-52页 |
| ·数据来源与数据预处理 | 第45页 |
| ·确定辅助变量和神经网络结构 | 第45-46页 |
| ·GABP算法 | 第46-49页 |
| ·仿真结果与分析 | 第49-52页 |
| ·本章小节 | 第52-53页 |
| 第 5 章 基于 PCA 时间延迟神经网络的 BOD 软测量模型 | 第53-66页 |
| ·某城市污水厂污水处理工艺流程简介 | 第53-55页 |
| ·数据来源与数据预处理 | 第55-57页 |
| ·PCA算法及辅助变量的精选 | 第57-59页 |
| ·主元分析法(PCA)简介 | 第57页 |
| ·PCA算法的主要步骤 | 第57-58页 |
| ·辅助变量的精选 | 第58-59页 |
| ·时间延迟神经网络结构及算法 | 第59-60页 |
| ·软测量模型的在线校正 | 第60-61页 |
| ·仿真结果与分析 | 第61-64页 |
| ·本章小节 | 第64-66页 |
| 结 论 | 第66-68页 |
| 参 考 文 献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致 谢 | 第72页 |
