《水環境繫統智能化軟測量與控制方法》針對在廢水處理等流程工業的生產過程中普遍存在著過程參數時變、難以在線實時檢測，而且數學建模困難，因而不能實現實時閉環控制、不易保證產品質量的難題，研究水環境繫統智能化的軟測量方法，基於人工神經網絡的污水處理過程參數的軟測量模型，采用神經網絡建模與遺傳算法結合的優化控制方法，以及基於神經網絡的水華短期預測方法，較繫統地提出了一套基於人工智能的水環境繫統軟測量與控制的方案。本書由劉載文著。

《水環境繫統智能化軟測量與控制方法》針對在 廢水處理等流程工業的生產過程中普遍存在著過程參 數時變、難以在線實時檢測，而且數學建模困難，因 而不能實現實時閉環控制、不易保證產品質量的難題 ，研究水環境繫統智能化的軟測量方法，基於人工神 經網絡的污水處理過程參數的軟測量模型，采用神經 網絡建模與遺傳算法結合的優化控制方法，以及基於 神經網絡的水華短期預測方法，較繫統地提出了一套 基於人工智能的水環境繫統軟測量與控制的方案。《 水環境繫統智能化軟測量與控制方法》可供從事廢水 處理繫統測量控制和水華預測預警的研究人員參考， 可作為環境工程、自動控制、信息工程等專業本科生 與研究生的參考書。本書由劉載文著。

第1章 緒論
1.1 水環境繫統在線測量與控制存在的問題
1.1.1 流程工業生產過程在線測量存在的問題
1.1.2 污水處理過程在線測量與控制存在的問題
1.2 水環境繫統軟測量與控制的研究現狀
1.2.1 軟測量的基本思想
1.2.2 軟測量建模理論與方法的研究
1.2.3 污水處理過程數學模型與軟測量的研究
1.2.4 污水處理過程控制方法的研究
1.2.5 水華預測方法的研究
1.3 研究目的和意義
1.3.1 理論研究與學術價值
1.3.2 研究的實際意義與應用前景
1.4 本書研究的主要內容
1.4.1 研究的主要內容
1.4.2 本書結構
第2章 水環境繫統軟測量原理
2.1 軟測量的基本內容
2.2 軟測量的原理及模型
2.2.1 軟測量的基本原理
2.2.2 二次變量的選擇
2.2.3 測量數據的預處理
2.2.4 軟測量模型的建立
2.3 軟測量的實現
2.4 本章小結
第3章 基於PNN的污水處理軟測量方法研究
3.1 過程神經元網絡(PNN)
3.1.1 過程神經元
3.1.2 過程神經元網絡模型
3.2 基於PNN的軟測量方法及改進算法
3.2.1 基於函數正交基的PNN學習算法
3.2.2 基於函數正交基展開的PNN改進算法
3.3 基於PNN的污水處理過程軟測量
3.3.1 軟測量模型變量的選取
3.3.2 軟測量結構模型
3.3.3 實驗數據及軟測量結果
3.4 本章小結
第4章 基於RBF神經網絡的水處理過程建模方法
4.1 RBF神經網絡
4.1.1 RBF函數及RBF神經元
4.1.2 RBF網絡的特點、映射機理
4.1.3 RBF神經網絡的學習算法
4.2 水處理優化控制數學模型的RBF神經網絡建模方法
4.2.1 污水處理優化控制的目標
4.2.2 RBF神經網絡數學建模
4.3 RBF神經網絡模型的訓練和測試
4.3.1 神經網絡樣本數據的采集及處理
4.3.2 神經網絡模型仿真及測試
4.4 本章小結
第5章 基於遺傳算法的優化控制方法及實現
5.1 遺傳算法理論及發展
5.1.1 遺傳算法的發展
5.1.2 遺傳算法研究的幾個問題
5.1.3 遺傳算法的基本特點
5.1.4 遺傳算法在控制領域中的應用
5.2 基於遺傳算法的污水處理過程優化設計方法
5.2.1 參數的編碼
5.2.2 初始種群的生成
5.2.3 適應度函數(fitness function)的設計
5.2.4 算法控制參數設定
5.2.5 遺傳操作的設計
5.2.6 算法的終止條件
5.3 污水處理過程優化控制的遺傳算法實現
5.3.1 遺傳算法求DO優化曲線
5.3.2 優化結果分析
5.4 優化控制的實現
5.4.1 污水處理計算機控制繫統
5.4.2 神經網絡建模與優化計算實現
5.4.3 DO模糊控制及優化效果
5.5 本章小結
第6章 基於神經網絡的水華預測方法
6.1 水華及其預測方法
6.1.1 水華發生的機理
6.1.2 水華的評價指標
6.1.3 水華預測方法及其現狀
6.2 基於BP神經網絡的軟測量及水華短期預測方法
6.2.1 軟測量模型的參數確定及數據預處理
6.2.2 軟測量模型的建立與仿真分析
6.3 基於RBF神經網絡的軟測量及水華短期預測方法
6.3.1 RBF軟測量模型的建立
6.3.2 徑向基函數寬度與網絡擬合能力分析
6.3.3 徑向基函數寬度與網絡泛化性能分析
6.4 RBF與BP網絡水華預測軟測量模型的比較
6.5 基於Elman神經網絡的水華短期預測方法
6.5.1 Elman神經元模型和網絡結構
6.5.2 Elman與BP、RBF網絡預測模型對比
6.5.3 基於Elman神經網絡的水華短期預測模型建立與仿真
6.6 本章小結
第7章 工作總結與展望
7.1 本書工作總結
7.1.1 本書完成的主要研究內容
7.1.2 研究工作的主要特點
7.2 今後工作展望
參考文獻