摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-22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 国内外出水氨氮测量方法研究现状 | 第12-15页 |
1.3 递归神经网络研究现状 | 第15-18页 |
1.3.1 递归神经网络结构自组织方法研究现状 | 第16-17页 |
1.3.2 递归神经网络算法研究现状 | 第17-18页 |
1.4 课题来源 | 第18页 |
1.5 研究内容及论文安排 | 第18-22页 |
第2章 出水氨氮软测量模型辅助变量的选择 | 第22-28页 |
2.1 出水氨氮机理分析 | 第22-23页 |
2.2 出水氨氮辅助变量选取 | 第23-26页 |
2.2.1 数据采集和预处理 | 第23页 |
2.2.2 辅助变量降维 | 第23-26页 |
2.3 本章小结 | 第26-28页 |
第3章 基于ROLS算法的递归RBF神经网络设计 | 第28-48页 |
3.1 递归RBF神经网络 | 第28-29页 |
3.2 递归RBF神经网络自组织机制设计 | 第29-31页 |
3.2.1 结构增长-删减型递归RBF神经网络 | 第29-30页 |
3.2.2 递归正交最小二乘算法 | 第30-31页 |
3.3 ROLS-RRBF神经网络 | 第31-37页 |
3.3.1 结构调整算法 | 第32-33页 |
3.3.2 参数训练算法 | 第33-36页 |
3.3.3 ROLS-RRBF神经网络实现流程 | 第36-37页 |
3.4 收敛性分析 | 第37-39页 |
3.4.1 固定结构的递归RBF神经网络收敛性分析 | 第37-38页 |
3.4.2 动态结构的递归RBF神经网络收敛性分析 | 第38-39页 |
3.5 实验结果及分析 | 第39-45页 |
3.6 本章小结 | 第45-48页 |
第4章 基于ROLS-RRBF神经网络的出水氨氮软测量模型 | 第48-58页 |
4.1 出水氨氮软测量模型原理 | 第48-49页 |
4.2 基于ROLS-RRBF神经网络的出水氨氮软测量模型框架 | 第49页 |
4.3 出水氨氮软测量模型 | 第49-52页 |
4.3.1 出水氨氮软测量模型的训练与预测 | 第49-51页 |
4.3.2 出水氨氮软测量模型的校正 | 第51页 |
4.3.3 出水氨氮软测量模型的评价指标 | 第51-52页 |
4.4 出水氨氮预测结果及分析 | 第52-55页 |
4.5 本章小结 | 第55-58页 |
第5章 出水氨氮软测量智能系统开发 | 第58-68页 |
5.1 软件系统需求分析和开发流程 | 第58-60页 |
5.1.1 系统的需求分析 | 第58页 |
5.1.2 系统的开发流程 | 第58-60页 |
5.2 软件系统总体方案设计 | 第60页 |
5.3 系统的功能开发 | 第60-66页 |
5.3.1 用户管理模块设计及实现 | 第60-62页 |
5.3.2 氨氮软测量系统主页模块设计及实现 | 第62-63页 |
5.3.3 氨氮软测量相关信息模块设计及实现 | 第63页 |
5.3.4 神经网络模型模块设计及实现 | 第63-65页 |
5.3.5 二阶A2/O工艺模块设计及实现 | 第65-66页 |
5.4 本章小结 | 第66-68页 |
结论与展望 | 第68-70页 |
参考文献 | 第70-78页 |
攻读硕士学位期间的成果 | 第78页 |
攻读硕士学位期间所获奖励 | 第78-80页 |
致谢 | 第80-81页 |