我国城镇化进程与钢铁企业能耗趋势研究PDF电子书下载

查看更多关于的内容

引言 1

第一章 研究的背景与意义 3

一、节能减排是国家的发展战略 3

二、能耗预警是实现节能减排的重要手段 4

三、人工神经网络是进行能耗预警的有效方法 5

四、Boosting框架是提升语塞算法精确度的有力途径 6

第二章 文献综述 7

一、与可持续发展相关的理论综述 7

（一）增长的极限理论 7

（二）生态控制论 8

（三）循环经济理论 10

（四）三种生产理论 12

二、企业可持续发展研究文献综述 15

（一）企业可持续发展的内涵研究 15

（二）企业可持续发展的影响因素 19

（三）企业可持续发展的实现途径 21

（四）企业可持续发展评价研究 23

三、钢铁能耗研究综述 26

（一）能耗研究 26

（二）钢铁行业可持续发展 30

四、预警方法 36

（一）能耗总量预警 36

（二）主要节能因素预警 38

（三）生产物流预警 43

第三章 我国钢铁产量预测 46

一、系统分析 47

（一）钢铁消费与城镇化水平关系分析 47

（二）系统因果关系 48

二、系统动力学建模与仿真 49

（一）系统参数确定 49

（二）模型构建 53

三、情景分析 54

（一）分情景预测 54

（二）情景分析结果讨论 57

（三）小结 57

第四章 神经网络与Adaboost简介 58

一、神经网络介绍 58

（一）BP神经网络的基本结构 58

（二）BP神经网络的学习规则 60

（三）BP神经网络的改进算法 62

二、Adaboost算法简介 66

（一）基本思想 66

（二）迭代步骤 69

（三）应用领域 71

第五章 BP＿Adaboost算法 73

一、基本思想 73

（一）BP神经网络的建立与训练 73

（二）Adaboost框架下的强预测器 75

（三）预警警级的划分 77

二、算法步骤 78

三、本书中的应用 80

第六章 基于BP神经网络的弱预测器 83

一、BP算法的改进 83

（一）样本数据的处理 83

（二）训练函数的选取 84

（三）改进算法的参数确定 88

二、模型建立与算法实现 92

（一）BP神经网络的建立与训练 92

（二）BP神经网络的仿真与预测 93

三、BP神经网络的不足 94

第七章 基于Adaboost算法的强分类器 96

一、强预测算法的实现 96

（一）框架算法的代码实现 96

（二）结果分析 99

二、能耗预警的实现 101

（一）代码实现 101

（二）结果分析 103

第八章 结论 106

一、研究成果 106

（一）算法改进成果 106

（二）能耗研究成果 107

二、有待改进之处 108

第九章 专题探讨——钢铁企业可持续发展系统的思考 111

一、钢铁企业可持续发展系统（ISESDS）的定义 111

（一）ISESDS的特性 112

（二）ISESDS的结构分析 113

（三）ISESDS的功能分析 116

（四）ISESDS的发展性分析 119

（五）ISESDS的持续性分析 123

二、ISESDS评价的内涵和性质 129

（一）ISESDS评价的概念和内涵 130

（二）ISESDS评价的性质 131

（三）可持续发展评价理论与方法 135

（四）构建ISESDS评价指标体系的原理与方法 136

三、ISESDS一般指标体系的层次结构 139

（一）层次结构模型 139

（二）ISESDS功能集的含义 140

（三）功能集的概念模型 141

四、ISESDS功能集指标体系的构建 142

五、建立ISESDS综合评价模型 148

（一）ISESDS综合评价过程分析 148

（二）ISESDS的评价方法 154

参考文献 181

查看更多关于的内容