学位论文主要创新点 | 第3-4页 |
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究现状及发展趋势 | 第10-12页 |
1.1.1 膜生物反应器的应用现状 | 第10-11页 |
1.1.2 膜生物反应器的发展趋势 | 第11-12页 |
1.2 研究条件和内容 | 第12-13页 |
1.2.1 研究条件 | 第12页 |
1.2.2 研究内容 | 第12-13页 |
1.3 研究目的和意义 | 第13-14页 |
1.3.1 研究目的 | 第13-14页 |
1.3.2 研究意义 | 第14页 |
1.4 论文结构安排 | 第14-16页 |
第二章 MBR膜污染与防治 | 第16-32页 |
2.1 膜生物反应 | 第16-21页 |
2.1.1 膜生物反应器的构成与分类 | 第16-19页 |
2.1.2 膜生物反应原理 | 第19-20页 |
2.1.3 传统生物技术和MBR | 第20-21页 |
2.2 膜污染 | 第21-22页 |
2.2.1 膜污染的形成 | 第21-22页 |
2.2.2 膜污染的分类 | 第22页 |
2.3 浓差极化现象 | 第22-24页 |
2.4 膜污染影响因素 | 第24-28页 |
2.4.1 膜和膜组件的特性对膜污染的影响 | 第26-27页 |
2.4.2 进料液和污泥特性对膜污染的影响 | 第27页 |
2.4.3 膜组件的操作运行条件对膜污染的影响 | 第27-28页 |
2.5 膜污染的防治 | 第28-32页 |
2.5.1 膜污染的控制 | 第28-29页 |
2.5.2 膜污染的清洗 | 第29-32页 |
第三章 曝气中气液两相流场的数值模拟 | 第32-40页 |
3.1 气液两相流场 | 第32-33页 |
3.1.1 垂直管道内前气液两相流的流型 | 第32-33页 |
3.1.2 垂直管道内的气液两相流流型的常见分类 | 第33页 |
3.2 气液两相流场数值模拟 | 第33-37页 |
3.2.1 CFD数值模拟方法 | 第33-34页 |
3.2.2 气液两相流的数学模型 | 第34-36页 |
3.2.3 FLUENT软件 | 第36-37页 |
3.3 曝气大小对气液两相流的影响 | 第37-38页 |
3.4 曝气位置对气液两相流的影响 | 第38页 |
3.5 气液两相流数值模拟的验证 | 第38-40页 |
3.5.1 曝气大小数值模拟的验证 | 第38-39页 |
3.5.2 曝气位置数值模拟的验证 | 第39-40页 |
第四章 基于GM预测模型对MBR曝气强度预测 | 第40-48页 |
4.1 GM预测模型的理论研究 | 第40-44页 |
4.1.1 GM预测模型算法的基本原理 | 第40页 |
4.1.2 GM预测模型的数学描述 | 第40-42页 |
4.1.3 算法的计算步骤和流程图 | 第42-44页 |
4.2 MBR系统不同阶段最佳曝气强度的预测 | 第44-45页 |
4.2.1 最佳曝气强度 | 第44页 |
4.2.2 最佳曝气强度的影响因素 | 第44页 |
4.2.3 最佳曝气强度的实验确定 | 第44-45页 |
4.3 GM预测不同阶段的最佳曝气强度 | 第45-48页 |
4.3.1 收集整理最佳曝气强度数据 | 第45-46页 |
4.3.2 数据导入GM预测模型进行预测 | 第46页 |
4.3.3 预测结果及分析 | 第46-48页 |
第五章 基于Linear线性神经网络对MBR曝气强度预测 | 第48-56页 |
5.1 Linear线性神经网络 | 第48-50页 |
5.1.1 Linear线性神经网络介绍 | 第48-49页 |
5.1.2 训练Linear的均方差损失函数MSELoss | 第49页 |
5.1.3 训练Linear的Optim随机梯度下降SGD算法 | 第49-50页 |
5.2 Linear线性神经网路预测最佳曝气强度 | 第50-53页 |
5.2.1 Linear线性神经网络的输入输出 | 第51页 |
5.2.2 Linear线性神经网络数据预处理做归一化 | 第51-53页 |
5.2.3 使用Pytorch深度学习框架实现Linear模型 | 第53页 |
5.3 Linear线性神经网络的实验结果及分析 | 第53-56页 |
5.3.1 Linear模型预测实验结果 | 第54-55页 |
5.3.2 Linear模型预测实验分析 | 第55-56页 |
第六章 结论与展望 | 第56-60页 |
6.1 结论 | 第56-57页 |
6.1.1 气液两相流实验结论 | 第56-57页 |
6.1.2 GM模型预测最佳曝气值实验结论 | 第57页 |
6.1.3 Linear模型预测最佳曝气值实验结论 | 第57页 |
6.2 展望 | 第57-60页 |
6.2.1 人工智能时代背后的算法展望 | 第57页 |
6.2.2 MBR处理废水技术的展望 | 第57-60页 |
参考文献 | 第60-64页 |
发表论文情况和参加科研情况 | 第64-66页 |
致谢 | 第66-68页 |
附录 | 第68-73页 |