《水环境系统智能化软测量与控制方法》针对在废水处理等流程工业的生产过程中普遍存在着过程参数时变、难以在线实时检测，而且数学建模困难，因而不能实现实时闭环控制、不易保证产品质量的难题，研究水环境系统智能化的软测量方法，基于人工神经网络的污水处理过程参数的软测量模型，采用神经网络建模与遗传算法结合的优化控制方法，以及基于神经网络的水华短期预测方法，较系统地提出了一套基于人工智能的水环境系统软测量与控制的方案。本书由刘载文著。

《水环境系统智能化软测量与控制方法》针对在废水处理等流程工业的生产过程中普遍存在着过程参数时变、难以在线实时检测，而且数学建模困难，因而不能实现实时闭环控制、不易保证产品质量的难题，研究水环境系统智能化的软测量方法，基于人工神经网络的污水处理过程参数的软测量模型，采用神经网络建模与遗传算法结合的优化控制方法，以及基于神经网络的水华短期预测方法，较系统地提出了一套基于人工智能的水环境系统软测量与控制的方案。《水环境系统智能化软测量与控制方法》可供从事废水处理系统测量控制和水华预测预警的研究人员参考，可作为环境工程、自动控制、信息工程等专业本科生与研究生的参考书。本书由刘载文著。

第1章 绪论

 1.1 水环境系统在线测量与控制存在的问题

1.1.1 流程工业生产过程在线测量存在的问题

1.1.2 污水处理过程在线测量与控制存在的问题

 1.2 水环境系统软测量与控制的研究现状

1.2.1 软测量的基本思想

1.2.2 软测量建模理论与方法的研究

1.2.3 污水处理过程数学模型与软测量的研究

1.2.4 污水处理过程控制方法的研究

1.2.5 水华预测方法的研究

 1.3 研究目的和意义

1.3.1 理论研究与学术价值

1.3.2 研究的实际意义与应用前景

 1.4 本书研究的主要内容

1.4.1 研究的主要内容

1.4.2 本书结构

第2章 水环境系统软测量原理

 2.1 软测量的基本内容

 2.2 软测量的原理及模型

2.2.1 软测量的基本原理

2.2.2 二次变量的选择

2.2.3 测量数据的预处理

2.2.4 软测量模型的建立

 2.3 软测量的实现

 2.4 本章小结

第3章 基于PNN的污水处理软测量方法研究

 3.1 过程神经元网络(PNN)

3.1.1 过程神经元

3.1.2 过程神经元网络模型

 3.2 基于PNN的软测量方法及改进算法

3.2.1 基于函数正交基的PNN学习算法

3.2.2 基于函数正交基展开的PNN改进算法

 3.3 基于PNN的污水处理过程软测量

3.3.1 软测量模型变量的选取

3.3.2 软测量结构模型

3.3.3 实验数据及软测量结果

 3.4 本章小结

第4章 基于RBF神经网络的水处理过程建模方法

 4.1 RBF神经网络

4.1.1 RBF函数及RBF神经元

4.1.2 RBF网络的特点、映射机理

4.1.3 RBF神经网络的学习算法

 4.2 水处理优化控制数学模型的RBF神经网络建模方法

4.2.1 污水处理优化控制的目标

4.2.2 RBF神经网络数学建模

 4.3 RBF神经网络模型的训练和测试

4.3.1 神经网络样本数据的采集及处理

4.3.2 神经网络模型仿真及测试

 4.4 本章小结

第5章 基于遗传算法的优化控制方法及实现

 5.1 遗传算法理论及发展

5.1.1 遗传算法的发展

5.1.2 遗传算法研究的几个问题

5.1.3 遗传算法的基本特点

5.1.4 遗传算法在控制领域中的应用

 5.2 基于遗传算法的污水处理过程优化设计方法

5.2.1 参数的编码

5.2.2 初始种群的生成

5.2.3 适应度函数(fitness function)的设计

5.2.4 算法控制参数设定

5.2.5 遗传操作的设计

5.2.6 算法的终止条件

 5.3 污水处理过程优化控制的遗传算法实现

5.3.1 遗传算法求DO优化曲线

5.3.2 优化结果分析

 5.4 优化控制的实现

5.4.1 污水处理计算机控制系统

5.4.2 神经网络建模与优化计算实现

5.4.3 DO模糊控制及优化效果

 5.5 本章小结

第6章 基于神经网络的水华预测方法

 6.1 水华及其预测方法

6.1.1 水华发生的机理

6.1.2 水华的评价指标

6.1.3 水华预测方法及其现状

 6.2 基于BP神经网络的软测量及水华短期预测方法

6.2.1 软测量模型的参数确定及数据预处理

6.2.2 软测量模型的建立与仿真分析

 6.3 基于RBF神经网络的软测量及水华短期预测方法

6.3.1 RBF软测量模型的建立

6.3.2 径向基函数宽度与网络拟合能力分析

6.3.3 径向基函数宽度与网络泛化性能分析

 6.4 RBF与BP网络水华预测软测量模型的比较

 6.5 基于Elman神经网络的水华短期预测方法

6.5.1 Elman神经元模型和网络结构

6.5.2 Elman与BP、RBF网络预测模型对比

6.5.3 基于Elman神经网络的水华短期预测模型建立与仿真

 6.6 本章小结

第7章 工作总结与展望

 7.1 本书工作总结

7.1.1 本书完成的主要研究内容

7.1.2 研究工作的主要特点

 7.2 今后工作展望

参考文献