基于优化支持向量机的风电项目投资风险评价
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外文献综述 | 第10-13页 |
| 1.2.1 风险评价方法研究 | 第10-11页 |
| 1.2.2 风电投资风险因素研究 | 第11-12页 |
| 1.2.3 风电投资风险评价方法研究 | 第12-13页 |
| 1.3 本文的主要内容和结构 | 第13-15页 |
| 第2章 风电项目投资风险评价理论 | 第15-25页 |
| 2.1 风电项目风险概念 | 第15-17页 |
| 2.1.1 风险的概念 | 第15-16页 |
| 2.1.2 风电项目投资风险的特征 | 第16-17页 |
| 2.2 风电项目投资风险因素识别 | 第17-19页 |
| 2.2.1 风电项目投资风险识别方法 | 第17-18页 |
| 2.2.2 风电项目投资风险识别流程 | 第18-19页 |
| 2.3 风电项目投资风险评价 | 第19-24页 |
| 2.3.1 构建风电项目投资风险评价指标体系 | 第19-23页 |
| 2.3.2 风电项目投资风险评价方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 风电项目投资风险评价指标体系 | 第25-31页 |
| 3.1 风电项目风险特点 | 第25-26页 |
| 3.2 风电项目投资风险指标的识别与分析 | 第26-29页 |
| 3.2.1 可研性分析阶段风险 | 第26-27页 |
| 3.2.2 投融资阶段风险 | 第27页 |
| 3.2.3 施工建设阶段风险 | 第27-28页 |
| 3.2.4 运营及维护阶段风险 | 第28-29页 |
| 3.3 风险指标体系的建立 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 风电项目风险评价模型的构建 | 第31-43页 |
| 4.1 支持向量机原理 | 第31-37页 |
| 4.1.1 统计学习理论 | 第31-32页 |
| 4.1.2 支持向量机(SVM)的核函数 | 第32-33页 |
| 4.1.3 支持向量机的分类(SVC)算法 | 第33-35页 |
| 4.1.4 支持向量机的回归(SVR)算法 | 第35-37页 |
| 4.2 飞蛾扑火算法原理 | 第37-39页 |
| 4.2.1 仿生原理 | 第37页 |
| 4.2.2 MFO算法 | 第37-39页 |
| 4.3 基于MFO算法优化的支持向量机 | 第39-42页 |
| 4.3.1 支持向量机参数分析 | 第39-40页 |
| 4.3.2 MFO算法优化支持向量机参数 | 第40-42页 |
| 4.4 基于优化SVM的风电项目投资风险评价 | 第42页 |
| 4.4.1 输入量和输出量的确定 | 第42页 |
| 4.4.2 评价步骤 | 第42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 风电项目投资风险评价实例研究 | 第43-49页 |
| 5.1 项目概况 | 第43页 |
| 5.2 基于MFO算法优化的支持向量机模型的应用 | 第43-47页 |
| 5.2.1 模型的训练 | 第43-45页 |
| 5.2.2 模型的测试 | 第45-46页 |
| 5.2.3 风险评价 | 第46-47页 |
| 5.3 风险防范建议 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 研究成果和结论 | 第49-52页 |
| 6.1 结论 | 第49页 |
| 6.2 展望 | 第49-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
