基于深度学习实现活性污泥健康状态的实时在线监测
中文摘要
英文摘要
目录
第1章绪 论
1.1课题背景
1.1.1背景及需求
1.1.2目的及意义
1.2技术与方法背景
1.2.1深度学习在环境领域的应用
1.2.2卷积神经网络的结构与特点
1.2.3典型卷积神经网络模型简述
1.3部分环境因子对活性污泥健康状态的影响
1.3.1重金属对活性污泥健康状态的影响
1.3.2环境pH对活性污泥健康状态的影响
1.3.3苯胺对活性污泥健康状态的影响
1.3.4盐度对活性污泥健康状态的影响
1.4研究目标和内容
1.4.1研究目标
1.4.2研究内容
第2章材料与方法
2.1装置及运行方式
2.1.1反应器及图像收集装置
2.1.2计算机实验硬件及配置
2.1.3实验设计
2.1.4实验仪器
2.1.5实验试剂
2.2常规指标的检测
2.2.1常规水质指标的检测
2.2.2常规污泥指标的检测
2.2.3微生物群落结构的检测
2.3卷积神经网络模型的搭建与评价
2.3.1卷积神经网络模型的搭建
2.3.2卷积神经网络模型的评价
2.4 ROMIDAS-ASHS系统的搭建与评价
2.4.1 ROMIDAS-ASHS系统的搭建
2.4.2污泥形态健康等级监测值的优化
第3章进水风险类型识别模型的构建
3.1各类型风险进水对污泥系统影响
3.1.1各类型风险进水对污水处理效能的影响
3.1.2各类型风险进水对污泥状态指标的影响
3.1.3各类型风险进水对污泥群落结构的影响
3.2进水风险类型识别模型数据集的配置
3.2.1污泥显微图像的数据准备
3.2.2污泥显微图像的对比分析
3.3进水风险类型识别网络模型的训练与评价
3.3.1进水风险类型识别模型的训练
3.3.2卷积神经网络对图像特征的提取
3.3.3进水风险类型识别模型的性能评价
3.3.4进水风险类型识别模型的性能比较
3.4本章小结
第4章污泥形态健康等级模型的构建
4.1高盐度进水冲击对污泥系统的影响
4.1.1高盐度进水冲击对污水处理效能的影响
4.1.2高盐度进水冲击对污泥状态指标的影响
4.1.3高盐度进水冲击对污泥EPS成分的影响
4.1.4高盐度进水冲击对污泥群落结构的影响
4.2污泥形态健康等级模型数据集的配置
4.2.1污泥显微图像的数据准备
4.2.2污泥显微图像的对比分析
4.3污泥形态健康等级模型的训练与评价
4.3.1污泥形态健康等级模型的训练
4.3.2污泥形态健康等级模型的性能评价
4.3.3污泥形态健康等级模型的性能比较
4.4本章小结
第5章活性污泥健康状态的实时在线监测
5.1盐度为3%进水冲击下污泥状态的在线监测
5.1.1污泥形态健康指标的周期监测
5.1.2污泥形态健康指标与常规指标的相关性分析
5.1.3污泥形态健康数监测值的深度分析
5.2 ROMIDAS-ASHS系统对盐度梯度的识别
5.2.1盐度为6%进水冲击下污泥形态健康数的周期监测
5.2.2盐度为6%进水冲击下污泥形态健康数与常规指标的相关性
5.3 ROMIDAS-ASHS系统的迁移性
5.3.1非盐度类风险进水条件的筛选
5.3.2含苯胺进水冲击下污泥形态健康数的周期监测
5.3.3含苯胺进水冲击下污泥形态健康数与常规指标的相关性分析
5.4本章小结
结论
参考文献
攻读硕士学位期间取得创新性成果
声明
致谢
相关知识
实时在线健康监测
基于深度学习的智能坐姿健康监测
基于深度学习的车辆健康状态评估与保养决策
农机装备健康状态实时监测技术
李雄伟：产业基金推动污泥行业实现生态化发展 /清华大学王伟：基于水热技术的污泥处理利用整体解决方案
一种基于深度学习的锂电池健康状态评估方法
电池健康状态实时监测和智能管理方法及系统
科学网—河流生物性污染物在线监测漫谈
环境监测系统：实时把握周围世界的健康状态
污染生态监测
网址: 基于深度学习实现活性污泥健康状态的实时在线监测 https://m.trfsz.com/newsview1392467.html
