基于BP神经网络的清洁生产评价模型研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·论文研究背景 | 第9-10页 |
| ·论文研究内容、方法和意义 | 第10-12页 |
| ·研究内容 | 第10页 |
| ·研究方法 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| 2 清洁生产审核评价方法 | 第12-24页 |
| ·清洁生产审核 | 第12-15页 |
| ·清洁生产审核概念 | 第12页 |
| ·清洁生产审核内容 | 第12-14页 |
| ·清洁生产审核的流程 | 第14-15页 |
| ·清洁生产评价方法 | 第15-23页 |
| ·传统法 | 第15-17页 |
| ·模糊综合评判法 | 第17-19页 |
| ·灰色关联度 | 第19-21页 |
| ·层次分析法 | 第21-22页 |
| ·贝叶斯网络法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 BP 模型的研究应用 | 第24-43页 |
| ·神经网络技术 | 第24-31页 |
| ·神经网络概念 | 第24-25页 |
| ·神经网络发展 | 第25-27页 |
| ·神经网络特征及分类 | 第27-29页 |
| ·神经网络技术在环境科学方面的应用 | 第29-31页 |
| ·BP 算法的实现 | 第31-36页 |
| ·BP 算法原理 | 第31-32页 |
| ·BP 算法描述 | 第32-34页 |
| ·BP 算法的计算步骤 | 第34-36页 |
| ·BP 算法的缺点 | 第36-37页 |
| ·BP 算法的改进 | 第37-42页 |
| ·附加动量法 | 第37-38页 |
| ·自适应学习速率 | 第38-40页 |
| ·激励函数 | 第40页 |
| ·测试结论 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于改进BP 算法的企业清洁生产评价模型 | 第43-60页 |
| ·模型建立 | 第43-45页 |
| ·模型仿真系统的开发 | 第45-56页 |
| ·程序主体框架 | 第45-46页 |
| ·信息读取数据库 | 第46-49页 |
| ·模型计算程序 | 第49-54页 |
| ·数据输出、存储及查询模块 | 第54-56页 |
| ·模型验证与分析 | 第56-57页 |
| ·模型验证 | 第56-57页 |
| ·分析与比较 | 第57页 |
| ·程序优化研究与实现 | 第57-59页 |
| ·提高程序运行速度 | 第58页 |
| ·减少内存空间 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5 实例应用 | 第60-71页 |
| ·确定典型案例企业 | 第60-66页 |
| ·我国橡胶行业现状 | 第60-61页 |
| ·企业现状分析 | 第61-66页 |
| ·确定清洁生产目标 | 第66页 |
| ·评价标准的确定 | 第66-68页 |
| ·评价标准 | 第66-67页 |
| ·企业主要清洁生产指标 | 第67-68页 |
| ·评价步骤 | 第68-69页 |
| ·清洁生产状况分析 | 第69-70页 |
| ·网络训练过程及结果 | 第69-70页 |
| ·评价结果分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 6 结论与建议 | 第71-73页 |
| ·结论 | 第71页 |
| ·建议 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 作者在攻读硕士学位期间发表的论文 | 第78页 |
