一、BOD_5测试方法的改进（论文文献综述）
崔海,余鑫磊,庞继伟,杨珊珊,任南琪,丁杰[1]（2022）在《采用BP-ANN和改进SVR的进水BOD软测量模型》文中提出进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要。针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络（BP-ANN）、网格搜索算法（GS）优化支持向量回归（SVR）、粒子群算法（PSO）优化的SVR和遗传算法（GA）优化的SVR 4种方法,通过利用其他进水指标与进水BOD5的数学关系建立进水BOD5软测量模型,实现进水BOD5快速测定。并以黑龙江某污水厂为研究对象,比较4种机器学习模型的性能,找寻适合进水BOD5预测的软测量方法。结果表明,基于SVR的软测量模型预测结果优于基于BP-ANN的软测量模型,而且采用GA优化的SVR模型精度最高。为实现污水厂进水BOD5的实时监测和污水厂的便捷管理提供了参考依据。
崔心惠,李文萱,张祝威[2]（2021）在《基于PSO优化LSSVM的出水BOD5预测建模》文中认为针对城市污水处理中有机物污染度指标BOD5缺少运行状态信息难以做到实时检测,提出了一种基于粒子群算法（PSO）优化最小二乘法支持向量机（LSSVM）的出水BOD5预测控制策略。在保证出水水质参数稳定达标条件下,提取城市污水处理过程中输入输出参数数据,通过LSSVM对被控对象出水BOD5进行建模,同时利用PSO对LSSVM模型进行参数寻优,获得最佳正则化参数γ和核函数参数σ。仿真结果说明,该模型提高了对出水BOD5值的预测精度并具有良好的泛化能力,达到了实时性的效果。
刘嘉诚,胡炳梁,于涛,王雪霁,杜剑,刘宏,刘骁,黄琦星[3]（2021）在《基于IERT的非线性全光谱复杂水体定量分析算法研究》文中研究表明水是一种有限的资源,对农业、工业乃至人类的生存都是必不可少的,良好的水环境是可持续发展的重要保障。对水质信息的科学监测,是实现水资源优化配置与高效利用的基础。联合国环境署（UNEP）与世界卫生组织（WHO）指出,应当加强发展中国家的水质监测网络,包括数据质量的保证和分析能力的提高。光谱法作为一种新兴的水质分析方法,相比传统的化学水质监测方法,具有"响应速度快、多参数同步、绿色无污染"的特点。传统单波长、多波长的线性模型依赖于水体对特定波长的吸收特征,不适用于多组分混合溶液且普适性较差。因此,提出了一种基于IERT的非线性全光谱定量分析算法,建立适用于多组分混合溶液浓度预测模型,达到利用全光谱信息来预测浓度信息的目的。利用实验室配置的COD, BOD5和TOC多组分混合溶液与NO3-N、浊度、色度多组分混合溶液作为实验样本,使用光谱仪采集样本的光谱曲线,通过全光谱数据进行浓度预测实验,结果显示,对于COD, BOD5和TOC多组分混合溶液,本算法对于三种组分的决定系数（R2）分别为0.999 3, 0.991 4和0.999 3,均方根误差（RMSE）分别为0.024 4, 0.057 7和0.000 4;对于NO3-N、浊度、色度多组分混合溶液,决定系数（R2）分别为0.983 4, 0.868 4和0.981 0,均方根误差（RMSE）分别为0.100 5, 0.326 4和0.120 2。通过对比本算法与偏最小二乘（PLS）、支持向量机回归（SVR）、决策树（DT）、极端随机树（ERT）对于同一组数据的实验结果,表明:在两组多组分混合溶液的实验中,本算法对于其中各组分的决定系数（R2）均为最优,相比于其他对比算法均方根误差（RMSE）均有大幅减少。本算法可利用光谱信息对多组分混合溶液进行定量分析,在计算时间相当的情况下,可有效的提高浓度预测精度,减少定量分析的均方根误差,可为光谱法水质监测提供一种新的有效途径。
万鹏亮[4]（2021）在《某城市污水厂A2O工艺沿程水质特征分析与提质增效方案研究》文中研究说明随着我国城市污水集中处理目标的基本达成与各地区更加严格地方排水标准的相继发布执行,表明我国城市污水处理厂排放标准的提升将是一个必然趋势。本文以西安市某污水厂一期A2O工艺为研究对象进行工艺优化研究,提升工艺的出水水质并减少能源消耗。本文首先使用常规指标、三维荧光数据和LC-OCD对该工艺的沿程污水水质进行分析,发现该工艺中存在初沉池截留碳源、回流污泥携带过多硝态氮、回流混合液携带过多溶解氧、缺氧池碳源不足的问题。针对以上问题,本文提出的提质增效方案取消原工艺中初沉池,使用厌缺氧池分点进水的方式解决缺氧池内碳源不足的问题,将原工艺的好氧池第4廊道改造为非曝气区和第2好氧池,在非曝气区的末端进行混合液的回流,在厌氧池、缺氧池和第1好氧池投加悬浮填料增加微生物丰度,增加一个污泥缺氧池削减回流污泥中的硝态氮。基于工艺提质增效方案,在GPS-X仿真平台建立该优化工艺的概化模型并进行模型校正。通过单因素模拟确定工艺的运行参数,最终选定DO、R、r、分段进水比例、填料填充比例、非曝气区与第2好氧池体积比、污泥缺氧池停留时间的最佳参数值分别为2.4 mg/L、160%、50%、20%、25%、6:4、30min。89天动态数据模拟结果表明,该优化工艺出水水质指标中BOD5、NH3-N、TN均稳定达到《陕西省黄河流域污水综合排放标准》（DB61/224-2018）中的A标准。出水COD主要由溶解性惰性有机物贡献,生物反应无法处理,在实际应用中应辅以深度处理。TP在无化学除磷的条件下,平均去除率达到95.6%,仅在进水TP负荷较高时会出现微量超标,同时总能耗相比于原工艺降低了 13.0%。因此本文提出的工艺提质增效方案强化了工艺的脱氮除磷效果并减少了能源消耗,达到了提质增效的目的,可为同类型工艺的提质增效提供借鉴与技术参考。
杨鹤云[5]（2021）在《活性污泥耦合高级氧化处理工艺对工业废水水质及毒性的影响研究》文中进行了进一步梳理随着我国工业的迅速发展,工业废水排放量逐年上升,据报道2018年达到了 200亿吨。工业废水由于其本身特性,含有多种化合物,如药物、有机物、重金属、个人护理品理等多种新兴污染物,可能对水环境或人类具有潜在的不利影响。但由于缺乏针对废水排放的基于毒性评价指标的规范化管理,我们对于废水毒性及可能的影响知之甚少。工业废水大量集中在废水处理厂,因此,近年来对于废水处理厂的集中化处理中各个处理阶段的水质毒性及毒性降解、变化情况引起了公众的广泛的关注。本研究通过采用基于毒理基因组学的全细胞酵母细胞微阵列检测技术来评价某工业废水处理厂进水及进水经各个处理单元出水样本水质的毒性状况（包括水样中有机组分毒性、重金属组分毒性以及非挥发组分（即综合毒性））,此方法能够得到检测目标暴露下所挑选的功能基因的更为详细的蛋白表达效应水平,可以更精确的了解检测样本的毒性机制和作用模式,此外,此毒性评价方法还能够利用细胞的功能基因的应激反应的改变程度采用蛋白表达效应水平指数（PELI值）来定量描述检测样本的毒性水平,这对我们了解工业废水在废水处理厂长流程处理工艺下的毒性变化情况有很好的指导意义。本研究进一步对废水处理厂各个处理阶段的水质的常规参数、水质指纹（如有机碳及有机氮分子量分布、荧光组分物质）、生物处理单元的活性污泥常规参数及生物酶活性、以及活性污泥样本中微生物代谢产物与胞外聚合物的有机组分含量、有机碳、有机氮分子量分布特征与荧光组分特征等多项指标进行了测定,同时测定了水样及活性污泥中的抗生素抗性基因（ARGs）丰度,并且采用高通量测序手段对水样与泥样中微生物物种群落组成及丰度等多项指标进行了全面的评价。综合分析以上结果发现,经各项处理单元之后,化学需氧量（COD）,总氮（TN）,氨氮（NH3-N）,总磷（TP）与有机物组分等多项污染物质被大量去除,出水达到一级A标准,同时验证活性污泥的生长状态及生物降解能力良好。经综合分析,此工业废水厂的主要污染为有机污染物和氮污染。但毒性测试结果表明,在水质、污泥等各项参数均达标的条件下,其水质毒性却没有被很好的降解掉。并且其水质毒性经生物处理单元与臭氧催化单元后毒性显着升高,二沉池出水毒性也呈现微量升高。采用冗余分析与Spearman两种相关性分析方法分析了其它各项指标与水质综合毒性的相关性,结果表明水质毒性与碳、氮、磷、各种有机组分、重金属组分、ARGs以及微生物群落结构等多项指标之间均具有一定的相关性。以上结果可能有助于了解工业废水的毒性现状以及目前在中国普遍使用的处理技术对毒性的去除效果。所得结论具体可以概括为以下几个结论:1、各项常规水质参数的检测结果表明,此工业废水处理厂在正常运行情况下能够有效处理来水工业废水、达到一级排放。2、各项活性污泥常规参数及主要的生物酶数据表明此废水处理系统中生物处理单元活性污泥生长状态良好,且生物降解能力良好。3、通过酵母菌全细胞阵列得到的水质的毒性结果表明,即使在此工业废水处理厂有效的去除COD、TN、TP等污染物质之后,进水经厌氧/好氧生物处理单元处理后水质毒性仍然出现显着的增加,且无论是高温条件还是低温条件,结果均一致。推测这可能是由于微生物处理的复杂性造成的。4、此外,毒性结果还表明进水经二沉池处理单元后水质毒性也会出现显着增加,且温度影响不明显,由此推测这可能是由于活性污泥释放污染物造成的。5、臭氧催化高级氧化处理单元会增加水质的毒性,这可能是由于产生了毒性更大的氧化副产物造成的。6、冗余分析与Spearman相关性分析表明,常规水质指标、有机组分、重金属组分、ARGs等多项污染指标均与水质毒性之间具有一定的相关性,对造成水质毒性有一些影响。且这些指标也会通过影响微生物组结构来进一步影响水质的毒性情况。
万柯佚[6]（2021）在《基于数据驱动的污水处理工艺智能运行策略研究》文中研究说明随着社会经济的快速发展,污水排放量相应增加,给污水处理厂带来了越来越大的业务压力。为满足可持续发展的需要,污水处理厂的污染物排放标准也相应提高。在这种情况下,许多污水处理厂为确保出水达标,采用过量加药和过量曝气的方式运行,导致了不必要的能源和物料浪费。为了实现稳定达标和节能降耗的目标,需要有效的优化管理和决策机制来合理配置能源和物料资源。然而,污水处理是一个典型的非线性、多变量、强耦合系统,具有高度复杂性和时变性,其优化运行管理面临诸多困难和挑战。基于机理模型的管理模式依赖于物理过程和生化反应模拟,参数繁多、操作复杂,难以应对污水处理场景的时变性,因而难以实现及时、准确的优化运行管理。近年来,深度神经网络等先进的计算技术为克服一些工业问题提供了数据驱动的解决方案,它们从统计学习的角度出发,从海量数据中挖掘潜在规律。为此,本文利用数据驱动的思路,构建混合式神经网络模型,对污水处理厂进水水质水量、出水水质水量进行预测,为污水处理工艺的达标运行提供决策依据,并在达标排放的前提下,对特定的污水处理系统进行优化,减少能耗和物耗。本文的主要工作具体如下:第一,构建了多源数据采集与基础数据库。数据库包括关联性数据库及污水处理厂原始数据库。基于城市污水来源分析,将污水处理业务量的影响因素分为三个主要方面:经济、人口、天气,并从三个主要模块中提取各种小因素数据成立关联性数据库。污水处理厂原始数据库包括进水流量、进水水质、出水水质及能耗量、物耗量等。第二,建立了一种新的预测污水业务量的灰色关联分析—卷积神经网络—长短期记忆网络（GRA-CNN-LSTM）模型。通过关联性数据,对污水处理厂的业务量进行预测,包括进水水量、进水水质。CNN-LSTM是建立各因素与污水业务量关系的模型,利用GRA对弱相关性的数据进行筛选,可提高CNN-LSTM模型的运行效率。实验结果表明,GRA-CNN-LSTM模型优于BP、MLR等其他几种常见模型,预测精度高达99%。第三,建立了一种基于深度神经网络的混合主成分分析—反向传播神经网络（PCA-BPNN）模型。它是由来自污水处理厂的大量真实历史数据训练出来的,可以用来预测污水出水水质参数。利用PCA方法对原始数据进行主成分分析,通过BPNN模型预测,并评估了PCA-BPNN模型在真实数据集上的效率和稳定性。引入遗传算法优化多目标出水参数下的能源和物料消耗,并建立优化方案。基于两座不同工艺类型的污水处理厂的历史数据,各筛选10种典型的进水工况,通过反馈调节和迭代对其进行优化,优化后的结果与原始数据进行对比,发现总能源和物料成本均有不同程度的降低,其中电量最高降低23%,材料最高降低60%。最后通过最优值及污水处理厂内部设备状况提出具体的优化运行方案。本文通过建立多源数据采集与基础数据库,构建了基于灰色关联系数的预测系统,建立了基于关联性数据的污水处理厂进水水质水量预测方法。融合污水处理过程模拟的深度神经网络模型和遗传算法,构造了优化决策系统,探索了在保证出水水质达标的前提下,降低能源、物料消耗的优化运行策略。本文提出的节能降耗管理方法不仅是污水处理优化运行管理的一种新的解决方案,而且有利于经济和社会的发展。
凌飞[7]（2021）在《污水处理过程的软测量方法与策略梯度控制研究》文中认为随着科学技术的不断发展,人们的生活品质也随之提升,以细胞工程为代表的现代生物技术广泛应用于食品、医药和海洋环境等多个领域。近年来,由于污水生物处理的工艺变得越来越复杂,对生物反应过程中的控制技术提出了越来越高的要求,相关的研究亦成为当前污水生物反应过程领域的研究热点。本文从复杂的、非线性的污水生物反应过程入手,研究了污水生物反应过程的软测量与控制策略,具体工作有如下两方面。在污水生物反应过程的软测量方面,本文提出了一种反应过程中软传感器的设计方法。本文重点关注反应过程中难以实时测量的关键参量,例如五日生化需氧量等检测时间较长的生化指标。本文以对反应过程关键变量影响最大的污水流入量为切入点,设计了流入量模式判别器（Influent Mode Discriminator,IMD）,对污水流入量的模式进行判别并分类,通过判别器来标签化不同状况下（如天气）的流入量数据,将判别得到的带标签的流入量数据输入至特定结构的神经网络中进行训练及预测,最终实现对反应过程中的关键参量的实时有效的监测。在污水生物反应过程的控制策略方面,本文提出了基于非线性预测的深度确定性策略梯度控制方法（Nonlinear Prediction-based Deep Deterministic Policy Gradient,NPDDPG）,并结合约束条件,对反应过程进行优化控制。针对高度非线性的污水生物反应过程的控制任务,本文将整个反应过程视作环境,引入并改进强化学习主题下的深度确定性策略梯度方法,一方面融合指定时间步的非线性预测环节,并对算法探索值的预测输出设定阈值来减少原始算法对无效空间的探索,另一方面在算法实施了一次探索之后,将得到的回报连同预测过程中的损失值一道纳入确定性策略网络的梯度计算中。通过上述两方面的改进,使得所提出的方法在训练过程中更具有方向性,收敛速度更快,同时也保证了预测过程中的精度。随后,本文根据国际标准的水处理生化反应过程方程,搭建仿真平台以验证本文提出的监测与控制方法。结合关键变量的软测量方法,在水质的约束条件下,借助优化算法,对生物法污水处理过程的被控量进行寻优,进而寻找使得整个过程的运行成本最低的被控量设定值,并对反应过程进行控制。最终的实验结果表明,在所搭建的国际仿真平台上,本文提出的生物反应过程的监测与控制方法是有效的,同其他方法相比较,具有响应速度快、精度较高、性能稳定等优势。
郑俨钊[8]（2021）在《纳米流体作用下致密气藏岩石表面特性的变化规律研究》文中指出我国致密气藏资源丰富,在气藏开采过程中,地层水沿高渗带窜流至气藏孔隙,封闭孔隙中未排出的气体,同时引起气井出水,导致产能下降。常规聚合物控水剂由于体系黏度大无法满足致密气藏需求,同时泡排法等主要针对井筒积液。因此,本论文研制一种纳米流体排水剂,研究其对致密气藏岩石表面特性的影响规律,实现致密气藏“深部”排水。本论文首先通过转相乳化法,结合单因素和多因素均匀实验优化纳米流体的配方,在最佳配方下其粒径中值可达5.37nm,且分布均匀,ζ电位为43.30m V,呈正电性,属于稳定体系。流变实验表明纳米流体属于幂律流体,且具有良好的弹性特征和触变性,满足致密气藏需求;FT-IR测试表征纳米流体中存在亲水基团以及硅甲基等疏水基团;SEM分析证明纳米流体改变了岩石表面微观形貌,使得岩石表面更加平滑、均匀;经纳米流体处理后,水在岩石表面上的接触角从18°增至92.74°,表明纳米流体通过极性基团作用于岩石表面,疏水基团朝外形成疏水薄膜;利用XPS、FT-IR及ζ电位等测试技术,研究了纳米流体对岩石表面的作用机理,即纳米流体与岩石表面未发生化学作用,其主要通过静电作用、氢键等物理方式作用于岩石表面,改变岩石表面特性。基于岩心动态驱替实验结果,利用颗粒最远迁移距离理论模型,分析了纳米流体在多孔介质中的运移能力,相比于泡排法,可实现“深部”排水。两相流实验表明岩心经纳米流体处理后,在驱替过程中,水相相对渗透率增加63.79-100%,气相降低9.80-13.04%。且束缚水饱和度有所降低,纳米流体降低水的流动阻力,增加自由水量,达到排水目的。纳米流体可降低岩心26.4-70.2%静态吸水量,表明纳米流体能有效防止采出水再次渗吸至储层中,延长排水采气有效期。纳米流体具有绿色环保性能,其EC50为25554.29mg/L（>25000mg/L）,BOD5/CODcr值为29%（>25%）,表明其无生物毒性,且易生物降解。
马跃[9]（2021）在《活性污泥过程建模与模型优化策略研究》文中进行了进一步梳理活性污泥污水处理过程是一个大时滞、多变量、强耦合的复杂非线性动态系统,传统的建模方法难以实现对活性污泥过程的精确描述。此外,活性污泥过程的关键水质参数往往需要人工测量,在耗费大量人力、时间和经济成本的同时,还存在检测不及时的问题,此问题的存在必然带来超标污水的大量排放,对生态环境造成二次污染。因此,研究污水处理过程建模及模型优化的新方法,实现对污水处理过程的精确描述,为过程控制提供模型基础,以确保控制效果,提高出水水质,具有非常重要的理论价值和实践意义。本文以活性污泥法污水处理过程为研究对象,基于元启发式搜索算法、神经网络、特征选择等智能技术,对活性污泥过程的建模与模型优化策略展开研究。论文的主要创新研究成果如下:（1）在深入研究入侵野草优化算法（invasive weeds optimization,IWO）搜索机理的基础上,针对IWO前期局部搜索能力不足,后期缺乏种群多样性的缺点,提出了一种基于小生境的自适应入侵野草优化（niche-based adaptive invasive weeds optimization,NAIWO）算法。首先,在IWO的空间扩散步骤中引入动态自适应机制以平衡算法的全局和局部搜索能力。其次,将IWO与小生境思想相结合,通过引入小生境思想的分类竞争机制,来增强算法的稳定性和全局搜索能力。最后,通过对多种基准函数的寻优测试,验证了所提NAIWO算法的有效性和稳定性。（2）针对活性污泥1号模型（activated sludge model no.1,ASM1）在实际应用时会受到外部条件和内部环境影响,导致模型准确性不高的问题,提出了一种基于NAIWO算法的ASM1模型最优参数估计方法。首先,分析了活性污泥过程的污染物去除机理,并在MATLAB上建立了活性污泥过程机理模型（ASM1）。然后,将NAIWO算法应用于ASM1模型的最优参数估计中,建立活性污泥过程的NAIWO-ASM1模型,实现了对ASM1模型中敏感参数的估计。最后,用两个不同规模污水处理厂的运行数据进行模型准确性验证实验,验证了所提出参数估计方法的有效性和优越性。（3）针对建立活性污泥过程关键水质参数五日生化需氧量（5-day biochemical oxygen demand,BOD5）浓度的预测模型时,由于输入变量维数过高导致模型过于复杂并且精度降低的问题,提出了一种基于互信息的分步式过滤-封装混合特征选择算法。首先,对m RMR（max-relevance and min-redundancy）算法的互信息评价方法进行改进,提出了一种新的混合互信息评价策略,对输入特征进行初次选择。然后,结合分类器或逼近器的评价结果,采用后退法剔除基于互信息难以识别的无关变量或弱相关变量,实现最优特征子集的选取。最后,以传统反向传播神经网络（back-propagation neural network,BPNN）作为逼近器建立实际污水处理厂的出水BOD5预测模型,来验证所提出特征选择算法的性能。实验结果表明,所提算法实现了BOD5预测模型的输入特征选择,在保证模型精度的同时降低了模型的复杂度。（4）针对BPNN不能有效提取活性污泥过程的动态特性,导致所建立的出水BOD5预测模型动态性能差的问题,提出了一种基于NAIWO算法的优化改进回声状态网络(echo state network with cycle reservoir regular jumps,ESNCRJ)预测模型(NAIWO-ESNCRJ)。首先,采用确定性跳跃环形储备池（cycle reservoir regular jumps,CRJ）代替传统ESN的随机储备池,来消除网络的随机性对网络预测性能的影响。其次,借助NAIWO算法较好的数值优化能力计算ESN的输出连接权,以进一步改善网络性能。最后,建立基于NAIWO-ESNCRJ的出水BOD5预测模型,并用实际污水处理厂的测量数据验证了所提出模型的性能。实验结果表明,NAIWO-ESNCRJ模型优于BPNN和传统ESN模型,能有效提高对污水处理厂出水BOD5浓度的跟踪精度,具有更好的动态性能。
苏煴琳[10]（2021）在《污水处理过程关键参数预测建模与诊断》文中提出随着工业化和城镇化的不断发展,人类活动产生的污水排放总量也在增加,水资源污染问题亟待解决。因此,研究水资源良性循环利用对缓解水资源压力具有重要的现实意义。其中,污水处理厂是解决水资源二次污染的主要基础设施,而污水的合格排放,有赖于过程数据的准确获取和过程控制的有效实施,而污水处理厂中大量的自动化仪表和电气设备,容易受到多种因素的影响,导致故障频发。因此,对整个污水处理过程进行准确、可靠的故障诊断是非常有意义的研究课题。本文以活性污泥过程为研究对象,以国际通用的污水处理过程基准仿真模型BSM1（benchmark simulation model no.1）为基础,基于人工神经网络、智能算法、区间预测等方法,对污水处理过程的关键参数预测及故障诊断问题进行研究。本文的主要研究工作及创新点如下:（1）针对难以准确模拟以及及时准确获取污水处理厂数据的问题,本文以国际通用的活性污泥过程基准仿真模型BSM1为基础来获取实验数据。首先对活性污泥过程机理特性进行深入研究,研究了其生化反应特性;然后详细阐述和分析了BSM1的生化反应池和二沉池,最后在MATLAB环境下建立BSM1并用提供的数据验证了模型的准确性和稳定性。（2）针对天牛须搜索算法（beetle antennae search algorithm,BAS）在高维优化问题中搜索精度差、收敛速度慢等问题,提出天牛群自适应搜索算法（improved beetle swarm optimization,IBSO）。首先以粒子群优化的思想将天牛须个体搜索上升到群体搜索;然后,引入Lévy飞行的群体搜索策略和步长自适应策略建立天牛群自适应搜索算法;最后,通过测试函数验证了IBSO算法在高维度优化问题中的可靠性和有效性。（3）针对污水处理过程中关键参数难以实现实时在线测量的问题,建立IBSO-Elman网络的关键水质参数预测模型。首先,将Elman神经网络的权值作为天牛觅食的位置;然后,通过IBSO算法对其参数优化,达到优化网络、提高预测精度的目的;最后,通过与其它预测模型的仿真对比,验证了IBSO-Elman网络良好的跟踪性能和较强的鲁棒性。（4）针对污水处理过程关键参数的故障诊断问题,提出了基于多区间预测的污水处理过程参数故障诊断模型。首先,利用Bootstrap采样法训练网络获得总误差来构造故障诊断预测区间。然后,根据区间预测策略构造故障诊断模型来判定故障类型。通过MATLAB模拟污水处理过程关键参数在不同故障工况下的试验,验证了所提故障诊断方法的有效性和优越性。
二、BOD_5测试方法的改进（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、BOD_5测试方法的改进（论文提纲范文）
（1）采用BP-ANN和改进SVR的进水BOD软测量模型（论文提纲范文）
| 1 研究方法 |
| 1.1 BP神经网络 |
| 1.2 SVR模型 |
| 1.3 改进的SVR模型 |
| 1.3.1 GS-SVR |
| 1.3.2 PSO-SVR |
| 1.3.3 GA-SVR |
| 1.4 基于BP-ANN和改进SVR的进水BOD软测量模型 |
| 1)选择辅助变量。 |
| 2)数据预处理。 |
| 3)建立预测模型。 |
| 4)模型评估。 |
| 1.5 模型搭建平台 |
| 2 结果与分析 |
| 2.1 数据的收集与处理 |
| 2.2 相关性分析 |
| 2.3 基于BP网络的进水BOD5软测量模型 |
| 2.4 基于改进SVR的进水BOD5软测量模型 |
| 2.4.1 基于GS算法的参数寻优 |
| 2.4.2 基于PSO的参数寻优 |
| 2.4.3 基于GA的参数寻优 |
| 2.5 结果分析 |
| 3 结 语 |
（2）基于PSO优化LSSVM的出水BOD5预测建模（论文提纲范文）
| 1 LSSVM回归算法 |
| 2 基于PSO算法优化LSSVM参数 |
| 2.1 粒子群算法（PSO) |
| 2.2 基于PSO算法的LSSVM参数寻优 |
| 3 PSO-LSSVM预测模型应用与分析 |
| 3.1 出水BOD5预测模型结构 |
| 3.2 仿真实验及结果 |
| 3.3 对比分析预测结果 |
| 4 结语 |
（3）基于IERT的非线性全光谱复杂水体定量分析算法研究（论文提纲范文）
| 引 言 |
| 1 算法原理 |
| 1.1 算法基本原理 |
| 1.1.1 吸光度转换 |
| 1.1.2 核主成分分析 |
| 1.1.3 数据正态化 |
| 1.1.4 极端随机树 |
| 1.2 模型评价标准 |
| 1.2.1 决定系数 |
| 1.2.2 均方根误差 |
| 2 实验与结果讨论 |
| 2.1 仪器与数据采集 |
| 2.2 实验数据 |
| 2.2.1 COD, BOD5, TOC多组分混合溶液数据集 |
| 2.2.2 NO3-N、 浊度、 色度多组分混合溶液数据集 |
| 2.2.3 多组分混合溶液光谱数据采集 |
| 2.3 IERT算法相关参数确定 |
| 2.3.1 核函数的选取 |
| 2.3.2 核函数的参数选择 |
| 2.3.3 极端随机树中的参数选择 |
| 2.4 实验结果 |
| 2.4.1 COD, BOD5和TOC多组分混合溶液实验结果 |
| 2.4.2 NO3-N、 浊度、 色度多组分混合溶液实验结果 |
| 2.4.3 算法计算时间实验结果 |
| 3 结 论 |
（4）某城市污水厂A2O工艺沿程水质特征分析与提质增效方案研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外技术现状 |
| 1.2.1 城市生活污水处理技术发展现状 |
| 1.2.2 活性污泥模型发展现状 |
| 1.2.3 基于活性污泥模型的模拟软件发展 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线图 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.1.1 实验污水与污泥 |
| 2.1.2 实验药剂 |
| 2.2 实验装置与仪器 |
| 2.2.1 主要实验装置 |
| 2.2.2 实验仪器 |
| 2.3 仿真平台及模型理论 |
| 2.3.1 Mantis2 模型状态变量 |
| 2.3.2 Mantis2 模型复合变量计算 |
| 2.3.3 Mantis2 模型反应过程 |
| 2.4 实验指标及检测方法 |
| 2.4.1 三维荧光光谱测定 |
| 2.4.2 分子量分布测定 |
| 2.4.3 Mantis2 模型进水参数 |
| 2.4.4 Mantis2 模型活性污泥参数 |
| 2.4.5 其他指标检测方法 |
| 2.5 荧光数据分析方法 |
| 2.5.1 平行因子法(PARAFAC) |
| 2.5.2 荧光区域积分法(FRI) |
| 3 A~2O工艺水质特征分析 |
| 3.1 常规指标分析 |
| 3.1.1 出水水质分析 |
| 3.1.2 该污水厂A~2O工艺沿程水质基本特征 |
| 3.2 LC-OCD分析 |
| 3.3 荧光数据PARAFAC分析 |
| 3.4 荧光数据FRI分析 |
| 3.5 荧光信息与水质指标的关系 |
| 3.6 本章小结 |
| 4 A~2O工艺概化模型构建 |
| 4.1 污水厂工艺概况 |
| 4.2 A~2O工艺概化模型构建 |
| 4.3 污水水质特征化 |
| 4.3.1 有机组分 |
| 4.3.2 氮组分 |
| 4.3.3 磷组分 |
| 4.4 A~2O工艺模型动态模拟效果分析 |
| 4.5 本章小结 |
| 5 A~2O工艺模型的校准与验证 |
| 5.1 A~2O工艺模型参数敏感性分析 |
| 5.1.1 敏感度分析原理 |
| 5.1.2 敏感度计算与方法 |
| 5.1.3 化学计量系数敏感度计算结果 |
| 5.1.4 动力学参数敏感度计算结果 |
| 5.2 敏感性参数值的确定与分析 |
| 5.2.1 异养菌好氧产率系数Y_(Hair) |
| 5.2.2 异养菌好氧衰减速率b_H |
| 5.2.3 异养菌最大比增长速率m_(μh) |
| 5.2.4 氨氧化菌的最大比增长速率m_(μNH) |
| 5.2.5 其他敏感性参数的数值拟合 |
| 5.3 A~2O工艺校正模型的动态验证 |
| 5.4 本章小结 |
| 6 A~2O工艺提质增效方案研究 |
| 6.1 提质增效方案设计 |
| 6.2 A~2O优化工艺单因素影响分析 |
| 6.2.1 溶解氧(DO)对响应变量的影响 |
| 6.2.2 混合液回流比(R)对响应变量的影响 |
| 6.2.3 污泥回流比(r)对响应变量的影响 |
| 6.2.4 分点进水比例对响应变量的影响 |
| 6.2.5 填料填充比例(P)对响应变量的影响 |
| 6.2.6 非曝气区与第2 好氧池体积比对响应变量的影响 |
| 6.2.7 污泥缺氧池停留时间对响应变量的影响 |
| 6.3 优化工艺的动态模拟与验证 |
| 6.4 优化工艺的能耗分析 |
| 6.5 本章小结 |
| 7 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（5）活性污泥耦合高级氧化处理工艺对工业废水水质及毒性的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 工业废水排放现状 |
| 1.3 工业废水处理工艺发展 |
| 1.4 废水处理系统中抗生素抗性基因污染现状 |
| 1.5 水质毒性评价方法研究进展 |
| 1.6 16S测序与宏基因组测序 |
| 1.6.1 16S测序原理 |
| 1.6.2 宏基因组测序原理 |
| 1.7 研究内容与目标 |
| 1.7.1 主要研究内容 |
| 1.7.2 研究目标 |
| 1.7.3 研究技术框架 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.1.1 水样样本 |
| 2.1.2 毒理基因组学测试 |
| 2.2 实验试剂 |
| 2.3 实验主要仪器和设备 |
| 2.4 水质指标 |
| 2.4.1 常规水质指标 |
| 2.4.2 溶解性微生物产物(SMP)和胞外聚合物(EPS)分析 |
| 2.4.2.1 EPS提取 |
| 2.4.2.2 SMP和 EPS成分检测 |
| 2.4.2.3 SMP和 EPS中荧光物质检测、分析 |
| 2.4.2.4 SMP和 EPS的分子量分布检测 |
| 2.4.3 污泥的特性测试 |
| 2.4.3.1 常规特性测试 |
| 2.4.3.2 生物酶活性测定 |
| 2.5 抗性基因 |
| 2.5.1 实验方法 |
| 2.5.1.1 水样预处理方法 |
| 2.5.1.2 水样DNA提取方法 |
| 2.5.1.3 提取后DNA纯度和浓度鉴定 |
| 2.5.1.4 反应体系构建方法 |
| 2.5.1.5 PCR程序设置 |
| 2.5.2 数据处理方法 |
| 2.6 毒理基因组学 |
| 2.6.1 水样前处理方法 |
| 2.6.1.1 固相萃取 |
| 2.6.1.2 冷冻干燥 |
| 2.6.2 实验方法 |
| 2.6.2.1 实验设计 |
| 2.6.2.2 最大耐受浓度测试 |
| 2.6.2.3 酵母菌全细胞微阵列毒理基因组学测试 |
| 2.6.3 数据处理方法 |
| 2.7 16S测序与宏基因组测序 |
| 2.7.1 16S测序的实验程序 |
| 2.7.2 宏基因组测序的实验程序 |
| 3 废水处理系统中水质与活性污泥特征研究 |
| 3.1 废水特性 |
| 3.1.1 常规水质参数 |
| 3.1.2 水质指纹 |
| 3.1.2.1 水样中有机碳分子量分布特性 |
| 3.1.2.2 水样中有机氮分子量分布特性 |
| 3.1.2.3 水样中荧光物质特性 |
| 3.1.2.4 水样中有机组分与重金属组分分析 |
| 3.2 活性污泥特性 |
| 3.2.1 活性污泥基本特性 |
| 3.2.2 微生物酶活性 |
| 3.3 SMP和 EPS特性 |
| 3.3.1 SMP和 EPS组分分析研究 |
| 3.3.2 SMP和 EPS分子量分布分析研究 |
| 3.3.2.1 有机碳分子量分布特性研究 |
| 3.3.2.2 有机氮分子量分布特性 |
| 3.3.3 SMP和 EPS中荧光物质分析研究 |
| 3.4 小结 |
| 4 废水处理系统中抗生素抗性基因(ARGs)分布特征 |
| 4.1 基于实时荧光定量q-PCR法研究ARGs分布特征 |
| 4.1.1 抗青霉素类抗生素抗性基因 |
| 4.1.2 抗万古霉素类抗生素抗性基因 |
| 4.1.3 抗β-内酰胺类抗生素抗性基因 |
| 4.1.4 抗大环内酯类抗生素抗性基因 |
| 4.1.5 抗四环素类抗生素抗性基因 |
| 4.1.6 抗磺胺类抗生素抗性基因 |
| 4.2 基于宏基因测序研究ARGs分布特征 |
| 4.3 基于聚类分析法研究ARGs丰度特征 |
| 4.3.1 基于实时荧光定量q-PCR ARGs相对丰度 |
| 4.3.2 基于宏基因组测序ARGs相对丰度 |
| 4.4 小结 |
| 5 基于毒理基因组学法研究废水处理系统中水质毒性特征 |
| 5.1 废水中有机组分毒性特征研究 |
| 5.1.1 高温条件下废水有机组分毒性特征研究 |
| 5.1.2 低温条件下废水有机组分毒性特征研究 |
| 5.2 废水中重金属组分毒性特征研究 |
| 5.2.1 高温条件下废水重金属组分毒性特征研究 |
| 5.2.2 低温条件下废水重金属组分毒性特征研究 |
| 5.3 废水中非挥发组分-综合毒性特征研究 |
| 5.3.1 高温条件下废水综合毒性毒性特征研究 |
| 5.3.2 低温条件下废水综合毒性毒性特征研究 |
| 5.3.3 废水水质综合毒性贡献特征研究 |
| 5.3.3.1 综合毒性与常规水质参数相关性分析 |
| 5.3.3.2 综合毒性与有机物组成相关性分析 |
| 5.3.3.3 综合毒性与有机物毒性相关性分析 |
| 5.3.3.4 综合毒性与重金属组成参数相关性分析 |
| 5.3.3.5 综合毒性与重金属毒性相关性分析 |
| 5.3.3.6 综合毒性与ARGs相关性分析 |
| 5.4 废水处理工艺对工业废水毒性的削减特性研究 |
| 5.5 小结 |
| 6 废水处理系统中微生物多样性研究 |
| 6.1 活性污泥中微生物多样性研究 |
| 6.2 废水处理单元出水中微生物多样性研究 |
| 6.3 微生物多样性与常规水质参数相关性分析 |
| 6.4 微生物多样性与有机组分相关性分析 |
| 6.5 微生物多样性与重金属组分相关性分析 |
| 6.6 微生物多样性与ARGs相关性研究 |
| 6.7 微生物多样性与综合毒性相关性研究 |
| 6.8 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间主要成果 |
（6）基于数据驱动的污水处理工艺智能运行策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 污水处理系统进水预测研究现状 |
| 1.2.2 污水处理系统过程模拟研究现状 |
| 1.2.3 污水处理系统节能优化研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文整体架构 |
| 第2章 基础数据库的建立与分析 |
| 2.1 CAST污水处理工艺及数据分析 |
| 2.1.1 污水处理厂简介 |
| 2.1.2 运行表现分析 |
| 2.2 氧化沟污水处理工艺及数据分析 |
| 2.2.1 污水处理厂简介 |
| 2.2.2 运行表现分析 |
| 2.3 关联性数据分析 |
| 2.3.1 经济数据 |
| 2.3.2 人口数据 |
| 2.3.3 天气数据 |
| 2.4 本章小结 |
| 第3章 基于混合神经网络模型的污水处理系统进水预测研究 |
| 3.1 GRA-CNN-LSTM模型的建立 |
| 3.1.1 GRA-CNN-LSTM算法理论 |
| 3.1.2 GRA-CNN-LSTM模型建立过程 |
| 3.2 GRA-CNN-LSTM模型预测结果 |
| 3.2.1 灰色关联分析结果 |
| 3.2.2 GRA-CNN-LSTM模型结果 |
| 3.2.3 建立对比模型及分析 |
| 3.3 GRA-CNN-LSTM模型验证 |
| 3.3.1 CAST污水处理厂验证 |
| 3.3.2 改良型氧化沟污水处理厂验证 |
| 3.4 本章小结 |
| 第4章 污水处理系统过程模拟及节能优化研究 |
| 4.1 基于PCA-BPNN算法的污水系统过程模拟研究 |
| 4.1.1 PCA-BPNN模型的建立 |
| 4.1.2 PCA-BPNN模型预测结果 |
| 4.1.3 建立对比模型及分析 |
| 4.1.4 PCA-BPNN模型验证 |
| 4.2 基于遗传算法的污水处理系统节能优化的模型 |
| 4.2.1 遗传算法学习过程 |
| 4.2.2 基于遗传算法模型的建立 |
| 4.3 基于遗传算法优化模型的结果分析 |
| 4.3.1 CAST污水处理系统结果分析 |
| 4.3.2 改良型氧化沟污水处理系统结果分析 |
| 4.4 优化运行方案 |
| 4.4.1 CAST污水处理系统优化运行方案 |
| 4.4.2 改良型氧化沟污水处理系统优化运行方案 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 发表论文和参加科研情况说明 |
（7）污水处理过程的软测量方法与策略梯度控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 污水生物反应过程软测量技术研究现状 |
| 1.3 污水生物反应过程控制策略研究现状 |
| 1.4 本文主要研究思路 |
| 2 预备知识 |
| 2.1 强化学习原理 |
| 2.2 深度强化学习算法概述 |
| 2.2.1 基于回报函数的算法 |
| 2.2.2 基于策略梯度的算法 |
| 2.2.3 执行-评价策略 |
| 2.3 污水生物处理过程概述 |
| 2.4 国际基准仿真平台简介 |
| 2.4.1 基本架构 |
| 2.4.2 性能评价指标 |
| 2.5 本章小结 |
| 3 基于污水流入量模式判别的软测量方法 |
| 3.1 污水流入量模式判别器的设计 |
| 3.1.1 流入量判别的必要性分析 |
| 3.1.2 均值分割 |
| 3.1.3 近邻判别 |
| 3.2 基于污水流入量判别器的软传感器设计 |
| 3.2.1 污水生物处理软测量中的自回归神经网络 |
| 3.2.2 参数设计 |
| 3.3 实验验证 |
| 3.4 本章小结 |
| 4 基于非线性预测的深度确定性策略梯度(NPDDPG)控制方法 |
| 4.1 深度确定性策略梯度方法 |
| 4.1.1 算法架构 |
| 4.1.2 算法缺陷分析 |
| 4.2 污水生物处理过程控制中的NPDDPG方法研究 |
| 4.2.1 NPDDPG中动作值的改进 |
| 4.2.2 NPDDPG中回报值的改进 |
| 4.2.3 NPDDPG中执行-评价网络结构设计 |
| 4.2.4 NPDDPG算法框架解析 |
| 4.3 NPDDPG方法在污水生物反应过程中的控制实验 |
| 4.3.1 仿真环境搭建 |
| 4.3.2 NPDDPG的控制结果 |
| 4.3.3 NPDDPG的优化控制结果 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）纳米流体作用下致密气藏岩石表面特性的变化规律研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气井出水类型 |
| 1.2.2 提高出水气井产量方法研究现状 |
| 1.2.3 纳米流体概述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 纳米流体制备、表征及性能测试 |
| 2.1 纳米流体原料筛选 |
| 2.1.1 改性硅油 |
| 2.1.2 乳化剂 |
| 2.1.3 助乳化剂 |
| 2.1.4 电解质 |
| 2.2 纳米流体的制备 |
| 2.2.1 实验材料与仪器 |
| 2.2.2 实验方法 |
| 2.2.3 结果与讨论 |
| 2.3 纳米流体的表征 |
| 2.3.1 实验材料与仪器 |
| 2.3.2 实验方法 |
| 2.3.3 结果与讨论 |
| 2.4 纳米流体性能测试 |
| 2.4.1 实验材料与仪器 |
| 2.4.2 实验方法 |
| 2.4.3 结果与讨论 |
| 2.5 小结 |
| 第三章 纳米流体流变及对岩石表面特性影响 |
| 3.1 纳米流体流变性研究 |
| 3.1.1 实验材料与仪器 |
| 3.1.2 实验方法 |
| 3.1.3 结果与讨论 |
| 3.2 纳米流体对岩石表面特性影响 |
| 3.2.1 实验材料与仪器 |
| 3.2.2 实验方法 |
| 3.2.3 结果与讨论 |
| 3.2.4 纳米流体对岩石表面作用机理探讨 |
| 3.3 小结 |
| 第四章 纳米流体在多孔介质中的运移规律及排水效果 |
| 4.1 纳米流体在岩心多孔介质中的运移规律 |
| 4.1.1 实验材料与仪器 |
| 4.1.2 实验方法 |
| 4.1.3 结果与讨论 |
| 4.2 排水效果评价及机理探讨 |
| 4.2.1 实验材料与仪器 |
| 4.2.2 实验方法 |
| 4.2.3 结果与讨论 |
| 4.2.4 纳米流体排水采气机理探讨 |
| 4.3 环保评价 |
| 4.3.1 实验材料与仪器 |
| 4.3.2 实验方法 |
| 4.3.3 结果与讨论 |
| 4.4 小结 |
| 第五章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（9）活性污泥过程建模与模型优化策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 略缩语说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 课题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 活性污泥过程机理模型参数估计研究现状 |
| 1.2.2 活性污泥过程出水BOD_5预测模型研究现状 |
| 1.2.3 基于互信息的特征选择算法研究现状 |
| 1.3 论文研究内容及组织结构 |
| 第二章 基于小生境的自适应入侵野草优化(NAIWO)算法 |
| 2.1 入侵野草优化算法 |
| 2.2 基于小生境的自适应入侵野草优化算法(NAIWO) |
| 2.2.1 动态自适应机制 |
| 2.2.2 小生境思想 |
| 2.2.3 NAIWO算法 |
| 2.3 NAIWO算法性能测试 |
| 2.3.1 二维基准函数测试 |
| 2.3.2 高维基准函数测试 |
| 2.4 小结 |
| 第三章 活性污泥过程机理模型建立及参数估计 |
| 3.1 活性污泥过程机理分析 |
| 3.1.1 有机碳的去除 |
| 3.1.2 生物脱氮 |
| 3.1.3 磷的去除 |
| 3.2 活性污泥一号模型(ASM1) |
| 3.3 基于NAIWO的 ASM1 模型最优参数估计 |
| 3.3.1 污水处理厂与数据 |
| 3.3.2 ASM1 模型最优参数估计 |
| 3.3.3 参数估计结果与讨论 |
| 3.4 小结 |
| 第四章 活性污泥过程出水BOD_5预测模型输入特征选择 |
| 4.1 基于互信息的特征选择算法 |
| 4.1.1 互信息理论 |
| 4.1.2 互信息估计 |
| 4.1.3 互信息评价策略 |
| 4.2 基于互信息的分步式过滤-封装混合特征选择算法 |
| 4.2.1 特征初选 |
| 4.2.2 基于混合互信息的相关特征去冗余 |
| 4.2.3 后退法特征剔除 |
| 4.2.4 基于互信息的分步式过滤-封装混合特征选择算法 |
| 4.3 算法测试 |
| 4.3.1 Friedman数据集特征选择 |
| 4.3.2 Boston Housing数据变量选择 |
| 4.4 污水处理厂BOD_5预测模型输入特征选择 |
| 4.5 小结 |
| 第五章 基于NAIWO优化改进回声状态网络的BOD_5预测 |
| 5.1 回声状态网络(ESN) |
| 5.2 回声状态网络理论 |
| 5.2.1 回声状态网络结构 |
| 5.2.2 回声状态网络训练 |
| 5.2.3 储备池确定型回声状态网络 |
| 5.3 基于NAIWO优化的改进回声状态网络(NAIWO-ESN_(CRJ)) |
| 5.4 基于NAIWO-ESN_(CRJ)的出水BOD_5预测 |
| 5.4.1 预测模型系统架构 |
| 5.4.2 实验参数设置 |
| 5.4.3 实验结果与分析 |
| 5.5 小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表学术论文 |
| 附表 B ASM1 中各组分的子反应化学计量数 |
（10）污水处理过程关键参数预测建模与诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 污水处理研究现状 |
| 1.2.1 污水处理过程建模研究现状 |
| 1.2.2 污水处理过程故障诊断方法现状 |
| 1.2.3 区间预测研究现状 |
| 1.3 论文主要研究内容与章节安排 |
| 第2章 活性污泥过程与基准仿真平台 |
| 2.1 活性污泥过程ASM1 模型描述 |
| 2.1.1 ASM1 机理模型组分 |
| 2.1.2 ASM1 反应子过程 |
| 2.2 基准仿真模型BSM1 描述 |
| 2.2.1 生化池模型 |
| 2.2.2 二沉池模型 |
| 2.2.3 BSM1 模型性能评价指标 |
| 2.3 BSM1 基准仿真平台测试 |
| 2.4 本章小结 |
| 第三章 污水处理过程关键参数的预测模型建立 |
| 3.1 天牛须与粒子群搜索算法 |
| 3.1.1 粒子群优化算法 |
| 3.1.2 天牛须搜索算法 |
| 3.2 改进的天牛群优化算法 |
| 3.2.1 Lévy飞行的群体搜索策略 |
| 3.2.2 步长自适应策略 |
| 3.2.3 改进的IBSO算法 |
| 3.2.4 仿真实验 |
| 3.3 Elman神经网络 |
| 3.3.1 神经网络原理与分类 |
| 3.3.2 Elman神经网络结构及算法 |
| 3.4 基于IBSO-Elman的污水处理过程关键参数预测 |
| 3.4.1 基于IBSO的 Elman神经网络模型 |
| 3.4.2 仿真实验 |
| 3.5 本章小节 |
| 第四章 基于区间预测的污水处理过程故障诊断 |
| 4.1 Bootstrap方法 |
| 4.1.1 Bootstrap方法理论 |
| 4.1.2 基于Bootstrap的 PI构建 |
| 4.2 污水处理过程关键水质参数区间预测模型构造 |
| 4.2.1 关键水质参数的PI |
| 4.2.2 PI评价指标 |
| 4.2.3 结果分析 |
| 4.3 故障诊断策略 |
| 4.4 仿真研究 |
| 4.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附图A1 MATLAB中建立的BSM1 模型 |
| 附表A2 ASM1 中各子过程的化学计量数一览表 |
四、BOD_5测试方法的改进（论文参考文献）
- [1]采用BP-ANN和改进SVR的进水BOD软测量模型[J]. 崔海,余鑫磊,庞继伟,杨珊珊,任南琪,丁杰. 哈尔滨工业大学学报, 2022
- [2]基于PSO优化LSSVM的出水BOD5预测建模[J]. 崔心惠,李文萱,张祝威. 盐城工学院学报(自然科学版), 2021(04)
- [3]基于IERT的非线性全光谱复杂水体定量分析算法研究[J]. 刘嘉诚,胡炳梁,于涛,王雪霁,杜剑,刘宏,刘骁,黄琦星. 光谱学与光谱分析, 2021(12)
- [4]某城市污水厂A2O工艺沿程水质特征分析与提质增效方案研究[D]. 万鹏亮. 西安理工大学, 2021(01)
- [5]活性污泥耦合高级氧化处理工艺对工业废水水质及毒性的影响研究[D]. 杨鹤云. 西安理工大学, 2021(01)
- [6]基于数据驱动的污水处理工艺智能运行策略研究[D]. 万柯佚. 重庆工商大学, 2021(08)
- [7]污水处理过程的软测量方法与策略梯度控制研究[D]. 凌飞. 大连理工大学, 2021(01)
- [8]纳米流体作用下致密气藏岩石表面特性的变化规律研究[D]. 郑俨钊. 西安石油大学, 2021(10)
- [9]活性污泥过程建模与模型优化策略研究[D]. 马跃. 兰州理工大学, 2021(01)
- [10]污水处理过程关键参数预测建模与诊断[D]. 苏煴琳. 兰州理工大学, 2021(01)