| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 课题的主要研究内容 | 第16-17页 |
| 第2章 能源生产行业金融安全相关理论概述 | 第17-24页 |
| 2.1 能源生产行业金融安全相关概念 | 第17-21页 |
| 2.1.1 能源 | 第17页 |
| 2.1.2 能源金融 | 第17-18页 |
| 2.1.3 能源金融风险 | 第18-19页 |
| 2.1.4 能源金融安全和能源生产行业金融安全 | 第19-21页 |
| 2.2 电力在能源中的地位和作用 | 第21-22页 |
| 2.3 能源战略以电力为中心的意义 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 能源生产行业金融安全综合评价指标体系 | 第24-28页 |
| 3.1 评价指标体系设计的基本原则 | 第24-25页 |
| 3.2 构建综合评价指标体系 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 能源生产行业金融安全评价模型研究 | 第28-39页 |
| 4.1 人工神经网络理论 | 第28-29页 |
| 4.1.1 人工神经网络的分类 | 第28-29页 |
| 4.1.2 人工神经元模型 | 第29页 |
| 4.2 BP神经网络 | 第29-33页 |
| 4.2.1 BP神经网络的定义 | 第29-30页 |
| 4.2.2 BP神经网络计算步骤 | 第30-32页 |
| 4.2.3 BP神经网络的优缺点 | 第32-33页 |
| 4.3 遗传算法 | 第33-36页 |
| 4.3.1 遗传算法运算流程 | 第33-34页 |
| 4.3.2 遗传操作 | 第34-35页 |
| 4.3.3 遗传算法的特点 | 第35-36页 |
| 4.4 GA-BP神经网络模型应用 | 第36-38页 |
| 4.4.1 遗传算法对BP神经网络模型的优化 | 第36-37页 |
| 4.4.2 GA-BP模型在能源生产行业金融安全评价中的适应性 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 实证分析 | 第39-48页 |
| 5.1 数据收集 | 第39-40页 |
| 5.2 模型训练过程 | 第40-43页 |
| 5.2.1 确定评价模型的权重和阈值 | 第40-41页 |
| 5.2.2 评价模型的训练与学习 | 第41-42页 |
| 5.2.3 电力生产行业金融安全评价 | 第42-43页 |
| 5.3 结果分析 | 第43-46页 |
| 5.4 保障中国能源生产行业金融安全对策建议 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 结论和展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 主要参考文献 | 第50-53页 |
| 在学期间发表的学术论文和参加科研情况 | 第53-54页 |
| 致谢 | 第54页 |