| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-23页 |
| 1.2.1 生产率、效率与能效评价 | 第15-19页 |
| 1.2.2 人工神经网络与模糊理论 | 第19-21页 |
| 1.2.3 多阶段DEA模型 | 第21-23页 |
| 1.3 主要研究工作 | 第23页 |
| 1.4 论文组织结构 | 第23-25页 |
| 第二章 效率评价方法、模糊推理系统和神经网络建模 | 第25-43页 |
| 2.1 引言 | 第25页 |
| 2.2 经典效率评价方法 | 第25-32页 |
| 2.2.1 基于距离函数的效率测量 | 第25-27页 |
| 2.2.2 数据包络分析DEA | 第27-29页 |
| 2.2.3 随机前沿分析SFA | 第29-32页 |
| 2.3 模糊推理系统 | 第32-34页 |
| 2.4 人工神经网络 | 第34-41页 |
| 2.4.1 多层前馈神经网络 | 第34-37页 |
| 2.4.2 误差反向传播算法 | 第37-40页 |
| 2.4.3 极限学习机ELM | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 综合能效评价模型 | 第43-61页 |
| 3.1 引言 | 第43-44页 |
| 3.2 基于极限学习模糊逻辑网络的能效评价 | 第44-55页 |
| 3.2.1 多层前馈模糊逻辑网络 | 第44-46页 |
| 3.2.2 针对模糊逻辑网络的BP算法 | 第46-49页 |
| 3.2.3 极限学习模糊逻辑网络能效分析模型 | 第49-53页 |
| 3.2.4 UCI标准数据集仿真实验 | 第53-55页 |
| 3.3 基于多阶段DEA的外生环境变量影响消除 | 第55-58页 |
| 3.4 本章小结 | 第58-61页 |
| 第四章 应用研究 | 第61-75页 |
| 4.1 引言 | 第61页 |
| 4.2 乙烯流程和能效数据介绍 | 第61-63页 |
| 4.3 基于ELFLN的能效建模和节能潜力分析 | 第63-69页 |
| 4.4 基于多阶段DEA的乙烯原料组分差异影响消除 | 第69-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 结论与展望 | 第75-77页 |
| 5.1 结论 | 第75-76页 |
| 5.2 未来展望 | 第76-77页 |
| 参考文献 | 第77-85页 |
| 致谢 | 第85-87页 |
| 研究成果及发表的学术论文 | 第87-89页 |
| 作者和导师简介 | 第89-90页 |
| 附录 | 第90-91页 |