| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 第2章 相关基础理论 | 第15-22页 |
| 2.1 学习曲线 | 第15-17页 |
| 2.2 CDM清洁发展机制项目 | 第17-18页 |
| 2.3 RBF神经网络 | 第18-19页 |
| 2.4 遗传算法 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 海上风电项目现状及SWOT分析 | 第22-34页 |
| 3.1 国内外海上风电项目现状分析 | 第22-27页 |
| 3.1.1 国外海上风电项目现状分析 | 第22-26页 |
| 3.1.2 国内海上风电项目现状分析 | 第26-27页 |
| 3.2 我国海上风电项目的SWOT分析 | 第27-33页 |
| 3.2.1 优势分析 | 第28-29页 |
| 3.2.2 劣势分析 | 第29-31页 |
| 3.2.3 机会分析 | 第31-32页 |
| 3.2.4 威胁分析 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 海上风电项目的经济性评价 | 第34-54页 |
| 4.1 海上风电的学习曲线与成本变化 | 第34-38页 |
| 4.1.1 技术学习曲线模型及其拟合 | 第34-36页 |
| 4.1.2 海上风电技术学习曲线拟合 | 第36-37页 |
| 4.1.3 利用技术学习曲线预测海上风电未来成本变化 | 第37-38页 |
| 4.2 清洁发展机制对经济性的影响 | 第38-43页 |
| 4.2.1 我国的清洁发展机制CDM项目概述 | 第38-39页 |
| 4.2.2 我国风电CDM项目签发特点 | 第39-40页 |
| 4.2.3 风电场CDM案例 | 第40-43页 |
| 4.3 相关政策对经济性的影响 | 第43-47页 |
| 4.4 利用遗传算法改进的RBF神经网络对经济性评价 | 第47-52页 |
| 4.4.1 RBF神经网络结构 | 第47-48页 |
| 4.4.2 RBF神经网络的学习方法 | 第48-49页 |
| 4.4.3 遗传算法改进的RBF神经网络 | 第49-50页 |
| 4.4.4 利用改进后的RBF神经网络对经济性评价 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 海上风电项目的风险性评价 | 第54-66页 |
| 5.1 海上风电项目的风险特性 | 第54页 |
| 5.2 风资源评价风险 | 第54-55页 |
| 5.3 施工安装风险 | 第55-56页 |
| 5.4 自然风险 | 第56-57页 |
| 5.5 检修与设备风险 | 第57-59页 |
| 5.6 管理风险 | 第59页 |
| 5.7 政策与市场风险 | 第59-62页 |
| 5.8 利用遗传算法改进的RBF神经网络对风险进行评价 | 第62-65页 |
| 5.8.1 海上风电风险结构图 | 第62-63页 |
| 5.8.2 海上风电场风险指标 | 第63-64页 |
| 5.8.3 利用改进后的RBF神经网络对风险进行评价 | 第64-65页 |
| 5.9 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 论文工作成果 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
