全文总字数：1453字
1. 毕业设计（论文）的内容、要求、设计方案、规划等
（1）明确课题的研究背景和意义，掌握研究历史与现状，理解软测量建模实现原理。
（2）拟定设计方案：已有造纸废水处理厂实际数据：包含8个变量，两个变量COD和SS是预测变量（因变量），其余6个变量是输入变量（自变量），数据集大小为170组数据；对此数据进行统计分析并作图；使用至少1种智能软测量方法对废水数据进行建模仿真，可以从人工神经网络（artificial neural network, ANN）上手，学习使用MATLAB的ANN工具箱，最后与多元回归模型比较预测精度。
（3）要求附上程序代码。
2. 参考文献（不低于12篇）
1. 曹鹏飞,罗雄麟. 化工过程软测量建模方法研究进展[J]. 化工学报, 2013, 64(3): 788-800.2. 刘建勇,周雪飞,薛罡,顾国维. 智能控制在污水处理中的应用现状及展望[J]. 中国给水排水,2002,11:22-25.3. 赵超,戴坤成,王贵评,张登峰. 基于AWLS-SVM的污水处理过程软测量建模[J]. 仪器仪表学报,2015,08:1792-1800.4. 俞金寿. 软测量技术及其应用[J]. 自动化仪表,2008,01:1-7.5. 冯瑞,张浩然,邵惠鹤. 基于SVM的软测量建模[J]. 信息与控制,2002,06:567-571.6. 李伟奖,马邕文. 基于模糊神经网络的造纸废水处理预测研究[J]. 造纸科学与技术,2010,01:80-83.7. 李迪,唐辉,万金泉,马邕文. 基于ANN的废纸造纸废水处理过程的动态建模[J]. 华南理工大学学报(自然科学版),2005,12:42-45.8. 胡志华,万金泉,马邕文,等. 基于ANN的造纸废水处理智能控制系统研究[J]. 环境科学与技术, 2007, 30(3): 58-60, 63, 118.9. 马邕文,黄明智,万金泉,王艳. 模糊神经模型对废水处理过程COD的预测及控制[J]. 中国造纸学报,2008,04:113-118.10. 李伟奖,马邕文. 基于遗传算法和BP网络的造纸废水处理预测研究[J]. 中国造纸学报,2010,01:67-71.11. 阎威武,朱宏栋,邵惠鹤. 基于最小二乘支持向量机的软测量建模[J]. 系统仿真学报,2003,10:1494-1496.12. 徐方舟,潘丰. 基于PSO-LSSVM污水处理系统出水数据的软测量[J]. 江南大学学报(自然科学版),2010,03:253-256.13. Kadlec P, Grbi R, Gabrys B. Review of adaptation mechanisms for data-driven soft sensors[J].Computers Chemical Engineering, 2011, 35:1-24.14. Jinquan Wan, Mingzhi Huang, Yongwen Ma. Prediction of effluent quality of a paper mill wastewater treatment using an adaptive network-based fuzzy inference system[J]. Applied Soft Computing, 2011, 11(3): 3238-3246.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
