某地区造纸企业节能潜力预测模型研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究的背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 节能潜力预测的研究现状 | 第14-16页 |
| 1.2.2 单一预测模型的研究现状 | 第16-19页 |
| 1.2.3 组合预测模型的研究现状 | 第19-22页 |
| 1.3 论文的研究思路及研究内容 | 第22-25页 |
| 1.3.1 研究思路 | 第22-24页 |
| 1.3.2 研究内容 | 第24-25页 |
| 1.4 本章小结 | 第25-26页 |
| 第二章 预测指标以及模型变量的选取 | 第26-37页 |
| 2.1 节能潜力量化指标的选择 | 第26-27页 |
| 2.2 模型变量的选取 | 第27页 |
| 2.3 能耗相关变量的选取 | 第27-33页 |
| 2.4 产量相关变量的选取 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 单一预测模型的研究 | 第37-57页 |
| 3.1 造纸行业能耗及产量数据特点 | 第37-38页 |
| 3.2 ARIMA以及多变量ARIMA预测模型 | 第38-43页 |
| 3.2.1 能耗及产量的ARIMA模型 | 第39-41页 |
| 3.2.2 能耗及产量的多变量ARIMA模型 | 第41-43页 |
| 3.3 BP神经网络预测模型 | 第43-48页 |
| 3.3.1 BP神经网络 | 第43-45页 |
| 3.3.2 BP神经网络的设计 | 第45页 |
| 3.3.3 能耗预测模型的建立 | 第45-46页 |
| 3.3.4 产量预测模型的建立 | 第46-47页 |
| 3.3.5 模型预测结果 | 第47-48页 |
| 3.4 等维新息GM（1,1）预测模型 | 第48-51页 |
| 3.4.1 GM(1,1)预测模型的建模过程 | 第48-49页 |
| 3.4.2 等维新息模型 | 第49页 |
| 3.4.3 能耗预测模型的建立 | 第49-50页 |
| 3.4.5 产量预测模型的建立 | 第50-51页 |
| 3.4.6 预测结果 | 第51页 |
| 3.5 最终结果验证分析 | 第51-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第四章 组合预测模型的研究 | 第57-66页 |
| 4.1 基于BP神经网络补偿的灰色组合预测模型 | 第57-59页 |
| 4.1.1 模型构建的原理及方法 | 第57-59页 |
| 4.1.2 预测结果 | 第59页 |
| 4.2 基于灰色理论的BP神经网络组合预测模型 | 第59-62页 |
| 4.2.1 模型构建的原理及方法 | 第59-60页 |
| 4.2.2 能耗预测模型的建立 | 第60-61页 |
| 4.2.3 产量预测模型的建立 | 第61-62页 |
| 4.2.4 预测结果 | 第62页 |
| 4.3 最终结果验证分析 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 节能潜力计算及分析 | 第66-80页 |
| 5.1 各预测模型的比较研究 | 第66-67页 |
| 5.2 节能潜力计算 | 第67-69页 |
| 5.3 节能潜力分析 | 第69-79页 |
| 5.3.1 能源结构角度 | 第69-73页 |
| 5.3.2 企业能耗角度 | 第73-77页 |
| 5.3.3 纸种角度 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 结论与展望 | 第80-83页 |
| 1 结论 | 第80-81页 |
| 2 展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附件 | 第90页 |
