基于人工神经网络的造纸废水预测模型开题报告

1. 研究目的与意义

联合国报告,生产家用电器需消耗其自身重量一至两倍的化石原料，但生产电子产品需要消耗其自身重量十倍的化石燃料。

纸张的原料来自于植物，其在自然环境中生长吸收二氧化碳。

树木通过吸收二氧化碳和水合成纤维素和木质素，树龄较短的树木吸收二氧化碳的能力优于树龄较长的树木吸收二氧化碳的能力，因为树龄较长的树木吸收二氧化碳的量和其树叶腐败释放二氧化碳的量相当。

2. 国内外研究现状分析

1943 年,w. mcculloch 和w. pitts 提出了mp 模型,从而给出了神经元的最基本模型及相应的工作方式。

1949 年,神经生物学家d.hebb 发现,脑细胞之间的通路在参与某种活动时将被加强。

这一重要规则给出了生理学与心理学间的联系,被称为hebb 学习规则。

3. 研究的基本内容与计划

本文的主要任务是造纸废水处理过程监测研究，所展开的主要工作包括：(1)使用人工神经网络对废水数据进行建模仿真；(2)运用已有的造纸废水处理厂实际数据（包含8个变量，170组数据），验证人工神经网络在过程监测算法的实现过程；(3)使用MATLAB的统计工具箱，进行数据处理并作图，与多元回归模型比较预测精度。

(4)文中附上程序代码。

4. 研究创新点

基于人工神经网络的软测量建模方法是近年很热门的技术，它常常被用来研究一些复杂的非线性的数学问题。

由于人工神经网络的自适应性较高，加上具有联想记忆、自主学习的功能，越来越被人们广泛地接受。

自20世纪80年代以来，人工神经网络作为人工智能领域的热点得到了飞速的发展。