| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第9-15页 |
| 1.1 选题背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.2.3 存在的问题 | 第10-11页 |
| 1.3 研究方法与内容 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究框架图 | 第12页 |
| 1.3.3 研究方法 | 第12-13页 |
| 1.4 研究意义 | 第13-14页 |
| 1.5 研究创新 | 第14-15页 |
| 第2章 理论基础 | 第15-24页 |
| 2.1 生态效率 | 第15-16页 |
| 2.1.1 生态效率的相关概念 | 第15-16页 |
| 2.2 研究方法简介 | 第16-23页 |
| 2.2.1 信息熵 | 第16-17页 |
| 2.2.2 核函数简介 | 第17-18页 |
| 2.2.3 核主成分分析法简介 | 第18-19页 |
| 2.2.4 核主成分分析法步骤 | 第19-20页 |
| 2.2.5 数据包络分析法简介 | 第20-21页 |
| 2.2.6 DEA分析步骤 | 第21-22页 |
| 2.2.7 BP神经网络模型简介 | 第22页 |
| 2.2.8 BP神经网络计算步骤 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 KPCA核参数的选取 | 第24-35页 |
| 3.1 核函数选取 | 第24页 |
| 3.2 核参数选取 | 第24-25页 |
| 3.3 KPCA核参数的选择步骤 | 第25页 |
| 3.4 核参数确定方法 | 第25-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 生态效率评价与预测指标体系的建立 | 第35-39页 |
| 4.1 指标初选 | 第35-38页 |
| 4.1.1 指标体系构建方法 | 第35页 |
| 4.1.2 指标体系构建目的 | 第35-36页 |
| 4.1.3 指标体系构建原则 | 第36-37页 |
| 4.1.4 非期望产出的处理 | 第37-38页 |
| 4.2 生态效率指标体系 | 第38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 生态效率评价与预测模型研究 | 第39-45页 |
| 5.1 生态效率评价模型研究 | 第39-42页 |
| 5.1.1 建立生态效率评价指标体系 | 第39页 |
| 5.1.2 KPCA-DEA生态效率复合评价模型 | 第39-41页 |
| 5.1.3 KPCA-DEA模型可行性分析 | 第41-42页 |
| 5.2 生态效率预测模型 | 第42-44页 |
| 5.2.1 生态效率预测意义 | 第42页 |
| 5.2.2 建立生态效率预测指标体系 | 第42-43页 |
| 5.2.3 KPCA-BP复合预测模型 | 第43页 |
| 5.2.4 KPCA-BP模型法的可行性分析 | 第43-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第6章 生态效率评价与预测实例研究 | 第45-52页 |
| 6.1 基于KPCA的生态效率复合评价模型 | 第45-48页 |
| 6.1.1 相关性检验 | 第45页 |
| 6.1.2 核主成分提取 | 第45-47页 |
| 6.1.3 KPCA-DEA模型评价分析 | 第47-48页 |
| 6.2 基于KPCA的生态效率复合预测模型 | 第48-51页 |
| 6.2.1 生态效率预测模型 | 第48-49页 |
| 6.2.2 生态效率两种预测模型设计及MATLAB实现 | 第49-50页 |
| 6.2.3 KPCA-BP与BP神经网络产业生态效率预测结果比较 | 第50-51页 |
| 6.3 本章小结 | 第51-52页 |
| 第7章 结论与展望 | 第52-54页 |
| 7.1 全文结论 | 第52页 |
| 7.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录A 信息熵程序 | 第57-59页 |
| 致谢 | 第59-60页 |
| 导师简介 | 第60-61页 |
| 作者简介 | 第61-62页 |
| 学位论文数据集 | 第62页 |