下载文档原格式
采用Biolog法分析餐厨垃圾厌氧消化微生物群落多样性梅冰;彭绪亚;谢影【摘要】该研究在中温条件下进行实验室规模的连续式餐厨垃圾厌氧消化试验,用Biolog方法分析了反应器各个运行阶段污泥中微生物群落的多样性.多样性指数分析结果表明:反应器中各个阶段微生物物种丰富度和常见的物种接近,但均一性各阶段有较大的差异.ECO板上碳源的利用情况不同,表明反应器各个阶段微生物群落呈现出不同的微生物多样性.主成分分析结果显示,反应器在启动与稳定运行阶段微生物种群多样性较为接近,而与反应器抑制阶段和恢复阶段微生物种群多样性差异性明显.【期刊名称】《中国沼气》【年(卷),期】2016(034)001【总页数】5页(P14-18)【关键词】餐厨垃圾;微生物多样性;Biolog法;主成分分析;厌氧消化【作者】梅冰;彭绪亚;谢影【作者单位】云南农业大学云南农业大学节能减排检测工程中心,昆明650000;重庆大学,重庆400045;重庆大学,重庆400045【正文语种】中文【中图分类】S216.4;X705长期以来由于技术和管理手段的缺乏，我国餐厨垃圾未能得到有效处理，引发了一系列社会民生问题，同时也造成大量生物质资源的浪费。
为避免餐厨垃圾带来的公共卫生安全隐患，利用厌氧消化处理餐厨垃圾，并回收其中蕴含的丰富资源，已成为餐厨垃圾资源化的重要途径[1] 。
厌氧消化是一个复杂的过程包括一系列的微生物将有机物质转化为甲烷。
降解过程非常复杂，依赖于多种微生物维持系统平衡。
餐厨垃圾厌氧消化处理过程中，厌氧消化反应器内的微生物种群对有机成份的高效转化、反应器的稳定运行都有极为重要的影响。
因此，对餐厨垃圾厌氧消化反应器内微生物群落多样性进行研究，对于指导餐厨垃圾厌氧消化反应器的稳定运行具有十分重要的理论意义与工程应用价值。
Biolog最初被用于纯种微生物鉴定, 1991年Garland和Mills首次将该方法应用于土壤微生物多样性的研究[2]。
污泥厌氧消化动力学模型的研究与应用近年来，随着城市化进程的加快，污水处理成为城市环境治理的重要组成部分。
在污水处理过程中，污泥处理是其中的重点内容之一。
而污泥厌氧消化动力学模型的研究与应用，是污泥处理领域的重要研究方向。
本文将从污泥厌氧消化动力学模型的概念入手，深入探讨其研究现状、应用前景以及未来发展方向。
一、污泥厌氧消化动力学模型概述污泥厌氧消化动力学模型是指用数学模型描述污泥消化过程中污染物与微生物之间物质、能量传递和代谢的过程。
其基本思想是将污泥十分细微地切割成许多微小颗粒，利用微生物对有机物进行分解和转化，最终转化为气体、液体和微生物复合物等。
通过对污泥厌氧消化动力学模型的研究，可以较好地掌握各种因素对污泥处理效果的影响，从而为优化污泥处理工艺以及提高处理效率提供有力的指导。
二、污泥厌氧消化动力学模型的研究现状目前，污泥厌氧消化动力学模型的研究已经很成熟。
在模型建立方面，一般采用反应动力学原理，以反应速率常数为基础。
同时，由于污泥厌氧消化过程具有复杂性、不确定性和非线性等特点，因此在建立模型时需要做好对各种因素的调整和求解。
常用的污泥厌氧消化模型有Anaerobic Digestion Model（ADM1）、Anaerobic Digestion Model No. 2（ADM2）等。
此外，污泥厌氧消化动力学模型的研究在实验验证方面也得到了广泛的应用。
现阶段的污泥厌氧消化动力学模型切割、拟合和验证都通常在一定时间范围内进行，在这个时间范围内，该模型可以长时间保持稳定可靠，从而为进一步提高处理效率提供了可靠的理论支持。
三、污泥厌氧消化动力学模型的应用前景在实际应用方面，污泥厌氧消化动力学模型的应用前景非常广阔。
一方面，该模型可用于优化污泥消化工艺，包括反应器型式、进料等因素，从而提高污泥消化效果。
另一方面，该模型还可用于污泥处理过程的监测和控制，包括调控反应器中温度、pH等参数，从而保证污泥处理的稳定性和质量。
废弃物微藻厌氧消化产氢气和甲烷的优化研究原林虎;原雨桐【摘要】本文探究了影响微藻厌氧消化的因素(有机负荷、酶预处理、温度)并优化了工艺参数.结果表明:微藻生物质的最佳有机负荷为10.0 g/L,相应的氢气最大产量为18.8 mL/g(以单位挥发性有机质计算),挥发性脂肪酸最大产量为789 mg/L.蛋白酶预处理能够强化微藻水解酸化,且蛋白酶最佳剂量为1.0 g/L,氢气最大产量为20.5 mL/g,pH最低值为5.4.最后在产甲烷相中优化微藻厌氧消化的温度,35℃是产甲烷相最佳温度,甲烷的最大产量为238.9 mL/g,高温环境产生的过程产物反馈抑制了产甲烷菌的活性从而导致甲烷产量下降.【期刊名称】《工业安全与环保》【年(卷),期】2018(044)011【总页数】4页(P80-83)【关键词】微藻;两段式发酵;水解;酸化;氢气【作者】原林虎;原雨桐【作者单位】太原城市职业技术学院城建系太原030027;上海应用技术大学鲁班书院上海201418【正文语种】中文0 引言微藻含有丰富的有机质(碳水化合物4%～57%，蛋白质8%～71%和脂类2%～40%)，是厌氧消化产氢气和甲烷的理想原料[1]。
然而在实际工程中多种因素共同作用导致微藻厌氧消化获取的氢气和甲烷远低于理论计算值[2]。
近年来，应用两相厌氧消化系统处理生物质废物受到广泛关注，两段式厌氧消化将水解酸化相和产甲烷相分离开，从而控制每个阶段中微生物处于优势动态[3]；此外，与单一相消化系统相比还解除了挥发性脂肪酸(VFA)迅速积累或过度酸化引起的pH值下降而导致产甲烷过程终止的现象[4]。
因此，生物质两段式厌氧消化产氢气和甲烷得到越来越多的研究。
生物质厌氧消化制取甲烷主要包含4个连续的生化过程：水解、酸化、同型产乙酸和甲烷化[5]。
在水解过程中，难降解的有机物在特定功能的转性厌氧或兼性厌氧微生物分泌水解酶的作用下水解为溶解性或大分子有机物。
水解过程是有机物厌氧消化的限速步骤，预处理常用于提高有机物的水解速率[6]。
《混合速率与油脂负荷对含油食品废物厌氧消化的影响研究》篇一一、引言随着社会的快速发展和人们生活水平的提高，食品废物的产生量日益增加，其中含油食品废物占比较大。
厌氧消化技术因其能够有效地处理有机废物并产生可再生能源——生物气体，而被广泛应用于含油食品废物的处理。
然而，混合速率和油脂负荷是影响厌氧消化过程及效果的两个重要因素。
因此，本研究旨在探讨混合速率与油脂负荷对含油食品废物厌氧消化的影响，以期为优化厌氧消化工艺、提高处理效率提供理论依据。
二、研究方法1. 实验材料实验所用的含油食品废物取自当地食品加工厂，主要成分为油脂、淀粉等有机物质。
实验所用药剂均为分析纯。
2. 实验方法（1）设置不同混合速率和油脂负荷的实验条件，分别进行厌氧消化实验。
（2）采用气相色谱仪、生物化学分析仪等设备对厌氧消化过程中的气体产量、底物浓度等指标进行监测。
（3）分析混合速率和油脂负荷对厌氧消化过程的影响，并建立数学模型。
三、混合速率对含油食品废物厌氧消化的影响混合速率是影响厌氧消化过程的重要因素之一。
实验结果表明，在一定的油脂负荷下，适当的混合速率能够提高厌氧消化的效率。
混合速率过慢会导致底物分布不均，影响微生物与底物的接触，从而降低厌氧消化的效果。
而适当的混合速率能够使底物与微生物充分接触，提高反应速率和产气量。
此外，适当的混合还能够保持消化池内温度的稳定，有利于微生物的生长和繁殖。
四、油脂负荷对含油食品废物厌氧消化的影响油脂负荷是另一个影响厌氧消化过程的重要因素。
实验结果表明，在一定的混合速率下，过高的油脂负荷会导致厌氧消化过程的稳定性下降，产气量减少。
因为过高的油脂负荷会使消化池内脂肪酸的积累增多，抑制微生物的活性，从而影响厌氧消化的效果。
然而，适量的油脂负荷能够为微生物提供充足的营养，促进其生长和繁殖，提高厌氧消化的效率。
五、数学模型建立与分析基于实验数据，我们建立了混合速率与油脂负荷对含油食品废物厌氧消化的数学模型。
混合物料协同厌氧消化产甲烷性能研究混合物料协同厌氧消化产甲烷性能研究厌氧消化产沼气是实现农业废弃物资源化有效利用和解决环境污染与能源危机问题的重要途径。
规模化沼气工程需要稳定的原料供应和高效稳定的产气,但单一原料厌氧发酵存在营养不均衡、供给量难于满足大型沼气工程需求等问题。
混合物料协同厌氧消化有助于实现发酵底物营养均衡,并提高产甲烷性能。
为确定混合物料对厌氧消化产甲烷性能的协同作用,本文在中温(37±1)℃、固体质量分数为12%时,实验分别研究了不同比例牛粪和番茄茎叶混合厌氧消化过程,不同比例牛粪、蔬菜废弃物和玉米秸秆混合后的厌氧消化过程,分析了原料配比对厌氧消化产甲烷性能和系统稳定性能的影响,确定了物料最佳混合比例和协同效应,最后应用修正的Gompertz方程分析了甲烷生产的动力学过程。
本文的主要研究结论如下:(1)原料混合比例显著影响了厌氧发酵产甲烷速率和系统稳定性。
当底物中牛粪含量占较高比例时,系统缓冲能力强,产甲烷速率迅速上升;当番茄茎叶含量较高时,系统缓冲能力下降,产甲烷速率明显降低,延迟了甲烷生产的高峰期。
牛粪与番茄茎叶VS比例为3:1时甲烷产量和累计甲烷产量最高,分别为224.23m L/g VS和14352m L。
牛粪和番茄茎叶混合厌氧消化甲烷产量协同效应范围为-9.97%~34.19%,牛粪与番茄茎叶VS比例为1:3时,产甲烷过程出现了拮抗现象,甲烷产量降低了9.97%。
修正的Gompertz模型能够较好的模拟牛粪与番茄茎叶厌氧消化累计产甲烷过程,拟合系数R2在0.9855~0.9989之间。
牛粪与番茄茎叶VS配比为3:1时,延滞时间λ最短,最大产甲烷速率Rm最高,分别为4.51 d和9.26 m L/(d·g)。
(2)一定比例的牛粪、蔬菜废弃物和玉米秸秆混合厌氧发酵产甲烷效果优于单一原料以及两种原料混合的发酵效果。
三种物料混合发酵均衡了营养成分,促进了产甲烷过程,混合厌氧消化性能指数范围为1.33~1.92,贡献效果显著(P<0.05)。
79餐厨垃圾高效厌氧消化稳定产气研究文_李杰伟 高仁富 罗宇 东江环保股份有限公司摘要：厌氧消化是餐厨垃圾产业化处理的主流方式，厌氧系统单位体积有机负荷和单位体积产气率是评价厌氧系统产业化能力的重要指标。
实验研究了搅拌频率、物料投加方式和不同单位体积有机负荷情况下厌氧系统的产气情况。
结果表明，在选择连续式投加物料情况下，维持60min/3hrs搅拌频率和2.8kg TVS/(m3.d)单位体积有机负荷水平，全混合厌氧消化系统可以获得稳定的高产气率，达到（2.69±0.03）m3/(m3.d)，甲烷体积分数（65.2±1.3）%。
关键词：餐厨垃圾；有机负荷；厌氧消化Study on High Efficiency Anaerobic Digestion and High Biogas Production Rate of Food W asteLI Jie-wei GAO Ren-fu LUO Yu[ Abstract ] Anaerobic digestion is the main treatment mode of food waste, and organic loading rate and biogas production rate are the main indexes that estimate the anaerobic digestion system function of food waste. The study on factors that effects biogas production rate and anaerobic digestion system stability of food waste shows that system acquires （2.69±0.03）m³/（m³.d）biogas production rate with （65.2±1.3）%（V/V）methane steadily, maintaining 2.8 kg TVS/（m³.d）and 60mins/3hrs and continuous feeding.[ Key words ] food waste; organic loading rate; anaerobic digestion据统计，目前我国每年产生的餐厨垃圾量超过6000万吨。
《混合速率与油脂负荷对含油食品废物厌氧消化的影响研究》篇一一、引言随着城市化进程的加快和人民生活水平的提高，含油食品废物的产生量逐年增加，如何有效处理这些废物成为了一个亟待解决的问题。
厌氧消化技术因其能实现废物资源化利用、减少环境污染等优点，成为了处理含油食品废物的一种重要方法。
然而，混合速率和油脂负荷是影响厌氧消化过程和效果的重要因素。
本文旨在研究混合速率与油脂负荷对含油食品废物厌氧消化的影响，以期为实际生产提供理论依据。
二、研究方法1. 实验材料实验所用的含油食品废物取自当地餐饮企业，经过预处理后用于实验。
实验所用药剂均为分析纯。
2. 实验设计实验采用厌氧消化反应器，通过改变混合速率和油脂负荷，观察其对厌氧消化过程和产气量的影响。
实验设置不同的混合速率（低速、中速、高速）和油脂负荷（低负荷、高负荷）组合，每组实验设置三个平行样。
3. 实验方法将预处理的含油食品废物按照设定的油脂负荷加入反应器，通过改变搅拌速度来调整混合速率。
在实验过程中，定期取样分析沼气产量、有机物去除率、脂肪酸等指标。
三、结果与分析1. 混合速率对厌氧消化的影响实验结果表明，适当的混合速率有助于提高厌氧消化的效果。
低速混合时，反应器内的物质传递和混合不充分，导致有机物分解不彻底，产气量较低。
高速混合虽然能提高物质传递效率，但过高的剪切力可能对微生物造成伤害，反而降低消化效率。
因此，存在一个最佳的混合速率，使得厌氧消化效果最好。
2. 油脂负荷对厌氧消化的影响油脂负荷过高会抑制厌氧消化的进行。
在低负荷条件下，微生物能较好地适应环境，有机物分解速度较快，产气量较高。
然而，当油脂负荷过高时，大量的油脂会附着在微生物表面，抑制其活性，导致有机物分解速度降低，产气量减少。
此外，过高的油脂负荷还可能导致反应器内pH值降低，进一步抑制厌氧消化的进行。
3. 混合速率与油脂负荷的交互作用混合速率和油脂负荷之间存在交互作用。
在低混合速率下，高油脂负荷会加剧微生物的抑制作用，导致厌氧消化效果更差。
生物质废弃物厌氧发酵的研究进展摘要：生物质废弃物是现在进行环境保护工作过程中所需要重点进行处理的废弃物，如果不能够妥善处理，则会导致十分严重的后果，文章分析相关研究进展。
关键字：生物质；废弃物处理；厌氧发酵1前言生物质包含了全体的动物植物微生物，相比较于传统的活化石而言有着更好的可再生性，能够用做资源。
在用作资源的过程中需要经过厌氧发酵的过程，文章就此进行分析。
2厌氧发酵在生物质发酵的应用厌氧发酵技术是生物质废弃物实现资源化利用的有效途径之一。
生物质厌氧发酵是在厌氧细菌的同化作用下，有效地把生物质中的有机质转化，最后生成具有经济价值的甲烷及部分二氧化碳，即可作为燃烧及发电使用，且沼渣可以作为动物饲料或土地肥料，沼液还可以作为农作物的营养液。
笔者综述现阶段利用生物质废弃物资源厌氧发酵的研究成果，以及利用预处理、不同生物质混合发酵和添加外源催化剂等手段来强化生物质厌氧发酵的进展。
农作物、油料作物、农业有机剩余物、林木和森林工业残余物等生物质资源通常都能提供能源。
一些生物质废弃物资源，如动物的排泄物、江河湖泊的沉积物、农副产品加工后的有机废物和废水、城市生活有机废水和有机垃圾等也可通过厌氧发酵等一些方式提供能源，依据来源的不同可将其分为：农业生物质资源、林业生物质资源、畜禽粪便、生活污水和工业有机废水、城市固体有机废弃物等几类。
不同生物质废弃物具有不同的厌氧发酵产气潜力。
玉米秸秆、麦秆、花生秧、菌渣和花卉秸秆等农业废弃物是较好的生物质资源。
刘亮等采用花生秧作为发酵底物进行厌氧发酵，产沼率达367．62mL•g－1TS（总固体含量）。
石勇等用小麦秸秆和红薯藤叶混合厌氧发酵，当碳氮比为25∶1时产气效果最佳，产气量为317．88mL•g－1TS。
程辉彩等用平菇菌糠作厌氧发酵，优化厌氧发酵条件后，产气率提高了103．7%。
姚利［23］等把鸡腿菇菌渣经过适当的处理可实现高效发酵产沼气，原料产气率可达133mL•g－1TS。
厌氧消化论文：不同种类生物质废物混合厌氧消化产气预测模型的研究【中文摘要】随着我国城市发展速度的加快,人民生活水平的逐步提高,固体废弃物的产生量也在高速地增长,特别是生物质废弃物所占的比重很大。
而如果对生物质废弃物进行回收利用,不仅缓解了环境压力,也能够节约能源。
本文对餐厨垃圾、畜禽养殖废物等生物质废弃物与城市污水厂剩余污泥混合,在不同试验参数条件下进行混合厌氧消化试验；以产生的大量实验室数据为原始数据,基于多元回归原理和BP人工神经网络原理,对其建立预测模型。
在基于肥肉基质和剩余污泥混合厌氧试验的建模中,两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%；BP神经网络模型的预测平均准确率为79.05%。
总体看来,两种模型的预测准确率相近,都有较好的预测结果,BP模型的结果较优。
在基于高有机负荷的餐厨垃圾填料、餐厨垃圾与消化污泥混合厌氧试验的建模中,两个阶段多元回归模型的预测平均准确率分别为60.05%和22.21%；BP神经网络模型的预测平均准确率为72.40%。
BP模型的结果明显优于多元回归模型。
在分别以黄豆和芹菜为基质,和剩余污泥混合的控制pH值的厌氧消化过程的试验数据的BP建模,预测平均准确率分别为52.19%、69.13%；基于低有机负荷的餐厨垃圾填料、餐厨垃圾与消化污泥混合厌氧试验的建模中,预测平均准确率为86.30%。
可以看出,BP模型的预测准确率一直处在一个较高的水平,并且比较稳定。
对比所建立的两种模型的预测结果,BP人工神经网络模型用于混合厌氧消化的产气预测是可行的,并且优于多元回归模型的预测。
本文建立的基于BP人工神经网络的混合厌氧消化产气预测模型为今后的生产实践提供了一种具有操作性强,效率高的预测方法。
【英文摘要】With the accelerated pace of urban development in China, the gradual improvement of living standards, solid waste generation is also growing fast, especially in the proportion of biomass waste. Biomass waste recycling relieves pressure on the environment and conserves energy.In this paper, for the digestion of different biomass gas production forecast, established multiple regression model and BP-ANN model.Based on fat matrix and mixed anaerobic sludge experiment, established multiple regression model,the average prediction accuracy is75.69%,79.29%; established BP-ANN models the average prediction accuracy is 79.05%. Prediction accuracy of two models are similar, the results of prediction is good.Based on high organic loading mixed food waste and anaerobic sludge, established multiple regression model,the average prediction accuracy is60.05%,22.21%; established BP-ANN models the average prediction accuracy is 72.40%. Obviously, BP-ANN models are better than multiple regression models.Based on soybean matrix and mixed anaerobic sludge experiment,established BP-ANN model, the average prediction accuracyis52.19%; Based on celery matrix and mixed anaerobic sludge experiment, established BP-ANN model, the average prediction accuracy is69.13%; based on low organic loading mixed food waste and anaerobic sludge, established BP-ANN model, the average prediction accuracy is 86.30%.It can be see, the average prediction accuracy of BP-ANN models always at a higher level,and stable.Conteasted two models, that it is feasible to use BP-ANN model in gas production forecast of mixed anaerobic digestion.BP-ANN model is superior to multiple regression model.In conclusion, the mixed anaerobic gas forecasting model based on BP-ANN built in this paper provided an operable and efficient method for production in the future.【关键词】厌氧消化多元回归 BP神经网络预测【英文关键词】anaerobic digestion multiple regression BP neural network forecast 【目录】不同种类生物质废物混合厌氧消化产气预测模型的研究摘要6-7Abstract7第一章绪论12-19 1.1 问题提出12-14 1.1.1 课题研究背景12-13 1.1.2 课题研究的意义13-14 1.1.3 课题研究目标14 1.2 国内外生物质废弃物混合厌氧消化技术现状14-16 1.2.1 国内生物质废弃物混合厌氧消化技术现状14-15 1.2.2 国外生物质垃圾混合厌氧消化技术现状15-16 1.3 国内外环境领域人工神经网络(ANN)研究现状16-19 1.3.1 国内的研究现状16 1.3.2 国外的研究应用现状16-19第二章厌氧消化原理19-26 2.1 厌氧消化的机理19-26 2.1.1 厌氧消化基本原理19-20 2.1.2 厌氧发酵的微生物学20 2.1.3 厌氧消化的动力学理论20-23 2.1.4 厌氧消化的主要影响因素23-26第三章建模基本理论26-37 3.1 人工神经网络原理26-30 3.1.1 人工神经网络概述26-27 3.1.2 人工神经元模型27-28 3.1.3 人工神经网络结构28-29 3.1.4 人工神经网络的训练29-30 3.2 B-P神经网络30-34 3.2.1 B-P神经网络模型结构30-31 3.2.2 B-P神经网络的构建与算法31-33 3.2.3 B-P神经网络的局限性及优化33-34 3.3 多元回归分析原理34-37 3.3.1 多元线性回归模型34-35 3.3.2 多元线性回归方程的显著性检验35-37第四章试验方案、试验装置及测量方法37-47 4.1 系列试验方案37-40 4.1.1 系列之一——单基质生物质及混合单基质的试验37-39 4.1.2 系列之二——餐厨垃圾与厌氧污泥混合试验39-40 4.2 试验装置40-41 4.3 试验的指标测量41 4.4 指标的分析方法41-47 4.4.1 总固体的测定41 4.4.2 挥发性固体41-42 4.4.3 总有机碳42 4.4.4 总氮42-44 4.4.5 氨氮44-45 4.4.6挥发性脂肪酸45 4.4.7 pH值45 4.4.8 碱度45-47第五章基于系列试验的多元回归模型研究47-59 5.1 基于单基质生物质及混合单基质试验的多元回归建模47-53 5.1.1 试验结果分析47-48 5.1.2 多元回归建模与验证48-53 5.2 基于餐厨垃圾与厌氧污泥混合试验的多元回归建模53-56 5.2.1 试验结果分析53-54 5.2.2 多元回归建模与验证54-56 5.3 小结56-59第六章基于单基质生物质及混合单基质试验的BP人工神经网络模型研究59-77 6.1 建立BP人工神经网络的软件环境59-62 6.1.1 太普数据挖掘套件简介59 6.1.2 数据挖掘套件操作流程59-62 6.2 基于肥肉基质和剩余污泥混合试验的BP网络建模62-69 6.2.1 试验结果分析62 6.2.2 网络拓扑结构确定62-64 6.2.3 网络模型测试64-69 6.2.4 模型验证分析69 6.3 基于黄豆基质与剩余污泥混合试验的BP网络建模69-73 6.3.1 试验结果分析70-71 6.3.2 网络拓扑结构的确定71 6.3.3 网络模型测试71-72 6.3.4 模型验证分析72-73 6.4 基于芹菜基质与剩余污泥混合试验的BP网络建模73-75 6.4.1 试验结果分析73-74 6.4.2 网络拓扑结构的确定74 6.4.3 网络模型测试74-75 6.4.4 模型验证分析75 6.5 小结75-77第七章基于餐厨垃圾与厌氧污泥混合试验的BP网络建模77-847.1 基于低有机负荷厌氧混合试验的BP网络建模77-807.1.1 试验结果分析77-787.1.2 网络拓扑结构的确定787.1.3 网络模型测试78-807.1.4 模型验证分析807.2 基于高有机负荷厌氧混合试验的BP网络建模80-827.2.1 试验结果分析80-817.2.2 网络拓扑结构的确定817.2.3 网络模型测试81-827.2.4 模型验证分析827.3 小结82-84结论84-86致谢86-87参考文献87-92攻读硕士学位期间发表的论文92。
