基于GA-BP神经网络的矿产资源型城市可持续发展评价研究--以四川省攀枝花市为例
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 引言 | 第9-15页 |
| ·研究背景及研究意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·研究现状综述 | 第10-12页 |
| ·矿产资源型城市可持续发展国内外研究现状 | 第10-11页 |
| ·GA-BP神经网络的国内外研究现状 | 第11-12页 |
| ·研究思路与研究框架 | 第12-15页 |
| ·研究内容 | 第12-13页 |
| ·技术路线 | 第13-15页 |
| 第2章 GA-BP神经网络模型 | 第15-28页 |
| ·BP神经网络理论 | 第15-19页 |
| ·BP神经网络的基本概念 | 第15页 |
| ·BP神经网络结构模型和特征 | 第15-16页 |
| ·BP神经网络的学习算法 | 第16-18页 |
| ·BP神经网络的局限 | 第18-19页 |
| ·遗传算法理论 | 第19-23页 |
| ·遗传算法的基本概念和发展状况 | 第19页 |
| ·遗传算法的特点 | 第19-20页 |
| ·遗传算法的实现步骤 | 第20-23页 |
| ·遗传算法对BP神经网络的优化 | 第23-25页 |
| ·网络结构的优化 | 第24页 |
| ·网络权值的优化 | 第24-25页 |
| ·网络学习规则的优化 | 第25页 |
| ·遗传BP算法的基本思想和实现步骤 | 第25-27页 |
| ·基本思想 | 第25-26页 |
| ·遗传BP算法的实现步骤 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 矿产资源型城市可持续发展指标体系的构建 | 第28-38页 |
| ·矿产资源型城市可持续发展的相关理论 | 第28-30页 |
| ·矿产资源型城市可持续发展问题的提出 | 第28页 |
| ·矿产资源型城市可持续发展的理论 | 第28-30页 |
| ·指标体系的构建原则和方法 | 第30-32页 |
| ·矿产资源型城市指标体系的构建原则 | 第30-31页 |
| ·矿产资源型城市指标体系的构建过程 | 第31-32页 |
| ·指标体系的构建过程 | 第32-34页 |
| ·建立矿产资源型城市可持续发展指标体系 | 第34-37页 |
| ·指标体系的构建 | 第34-35页 |
| ·指标的含义与计算方法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 攀枝花市城市可持续发展评价分析 | 第38-52页 |
| ·攀枝花市综合发展情况 | 第38-40页 |
| ·攀枝花市自然情况 | 第38页 |
| ·攀枝花市社会状况 | 第38页 |
| ·攀枝花市在发展中面临的问题 | 第38-40页 |
| ·模型实现 | 第40-45页 |
| ·指标数据的确定 | 第40-43页 |
| ·网络参数选择及建模 | 第43页 |
| ·matlab环境下网络运行结果 | 第43-45页 |
| ·攀枝花市可持续发展评价分析 | 第45-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 矿产资源型城市可持续发展的建议 | 第52-55页 |
| ·经济可持续发展的建议 | 第52-53页 |
| ·依托优势资源，加快发展替代产业 | 第52页 |
| ·改善产业结构，实现产业多元化 | 第52-53页 |
| ·环境可持续发展的建议 | 第53页 |
| ·完善矿山保护法规，依法保护矿山环境 | 第53页 |
| ·推进“三废”资源化，提高资源利用率 | 第53页 |
| ·资源可持续发展的建议 | 第53-54页 |
| ·加强政府调控，完善法律法规 | 第53-54页 |
| ·加强技术创新，提高资源利用率 | 第54页 |
| ·社会可持续发展的建议 | 第54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间取得学术成果 | 第59-60页 |
| 授予硕士学位人员登记表 | 第60页 |
