| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 膜生物反应器(MBR)概述 | 第8-14页 |
| 1.1.1 膜生物反应器的基本原理 | 第8-11页 |
| 1.1.2 膜生物反应器的分类 | 第11-12页 |
| 1.1.3 膜生物反应器的技术优势 | 第12-13页 |
| 1.1.4 膜生物反应器研究现状 | 第13-14页 |
| 1.2 课题研究条件 | 第14页 |
| 1.3 研究内容、目的和意义 | 第14-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究目的和意义 | 第16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 第二章 膜生物反应器膜污染研究 | 第18-26页 |
| 2.1 膜污染现象概述 | 第18页 |
| 2.2 膜污染机理研究 | 第18-21页 |
| 2.2.1 浓差极化现象 | 第18-20页 |
| 2.2.2 恒压下膜污染的形成机理 | 第20页 |
| 2.2.3 恒通量下膜污染的形成机理 | 第20-21页 |
| 2.3 膜污染的影响因素 | 第21-23页 |
| 2.3.1 膜特性 | 第21-22页 |
| 2.3.2 活性污泥混合液特性 | 第22页 |
| 2.3.3 操作条件 | 第22-23页 |
| 2.4 膜污染的治理 | 第23-24页 |
| 2.4.1 膜污染的控制 | 第23-24页 |
| 2.4.2 膜污染的清洗 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 Hadoop整体架构分析与研究 | 第26-42页 |
| 3.1 Hadoop简介 | 第26-29页 |
| 3.1.1 Hadoop技术背景 | 第26页 |
| 3.1.2 Hadoop体系结构 | 第26-27页 |
| 3.1.3 Hadoop常用项目简介 | 第27-29页 |
| 3.2 HDFS分析和研究 | 第29-33页 |
| 3.2.1 数据结构的持久化 | 第29-31页 |
| 3.2.2 HDFS文件的读写 | 第31-33页 |
| 3.3 MarReduce的分析和研究 | 第33-35页 |
| 3.3.1 MapReduce概述 | 第33-34页 |
| 3.3.2 MapReduce的工作原理 | 第34-35页 |
| 3.3.3 yarn简介 | 第35页 |
| 3.4 系统的配置和集群的搭建 | 第35-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于Hive、Impala的MBR膜污染数据存储分析 | 第42-54页 |
| 4.1 Hive简介 | 第42-47页 |
| 4.1.1 Hive的分区、分桶 | 第43-46页 |
| 4.1.2 Hive的性能测试 | 第46-47页 |
| 4.2 Impala简介 | 第47-49页 |
| 4.2.1 Impala服务的构成 | 第47-48页 |
| 4.2.2 Impala性能测试 | 第48-49页 |
| 4.3 Hive和Impala在MBR中的整合运用 | 第49-52页 |
| 4.3.1 MBR膜污染数据处理 | 第49-50页 |
| 4.3.2 使用Hive进行任务的批处理 | 第50-52页 |
| 4.3.3 使用Impala进行实时查询 | 第52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 LSSVM在MBR膜通量仿真预测中的应用 | 第54-64页 |
| 5.1 支持向量机的理论研究 | 第54-57页 |
| 5.1.1 支持向量机原理 | 第54-56页 |
| 5.1.2 最小二乘支持向量机 | 第56-57页 |
| 5.2 粒子群算法的理论研究 | 第57-58页 |
| 5.3 膜污染仿真预测模型 | 第58-59页 |
| 5.3.1 主成分分析法 | 第58-59页 |
| 5.3.2 建立膜污染仿真预测模型 | 第59页 |
| 5.4 基于PSO优化的LSSVM膜通量预测模型 | 第59-62页 |
| 5.4.1 预测结果与实验结果对比及分析 | 第60-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 6.1 论文总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况 | 第70-72页 |
| 致谢 | 第72页 |