| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 钢铁用电特性研究 | 第12-13页 |
| 1.2.2 钢铁电力预测模型方法研究 | 第13-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 第2章 冀北钢铁行业用电量现状分析及影响因素识别 | 第17-31页 |
| 2.1 冀北钢铁行业用电量现状分析 | 第17-21页 |
| 2.2 钢铁行业用电量影响因素识别 | 第21-30页 |
| 2.2.1 宏观经济指标 | 第22-27页 |
| 2.2.2 产量类指标 | 第27-28页 |
| 2.2.3 下游行业发展指标 | 第28-30页 |
| 2.2.4 政策性指标 | 第30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 冀北地区大气污染防治政策分析及量化研究 | 第31-45页 |
| 3.1 冀北地区大气污染防治政策分析 | 第31-37页 |
| 3.1.1 冀北地区现行政策 | 第31-34页 |
| 3.1.2 冀北地区预期推行政策 | 第34-35页 |
| 3.1.3 政策影响定性分析 | 第35-37页 |
| 3.2 政策因素量化思路 | 第37-42页 |
| 3.2.1 整体政策影响量量化 | 第37-41页 |
| 3.2.2 产能削减政策量化法 | 第41-42页 |
| 3.3 大气污染政策因素量化 | 第42-44页 |
| 3.3.1 政策量化过程 | 第42-44页 |
| 3.3.2 量化结论 | 第44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 钢铁行业用电量神经网络敏感性分析 | 第45-54页 |
| 4.1 神经网络敏感性分析方法概述 | 第45-46页 |
| 4.2 钢铁行业用电量敏感性分析 | 第46-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 大气污染防治政策下的冀北钢铁行业预测模型 | 第54-69页 |
| 5.1 非线性S型回归函数模型 | 第54-58页 |
| 5.1.1 基本理论 | 第54页 |
| 5.1.2 非线性预测模型步骤 | 第54-55页 |
| 5.1.3 冀北地区钢铁用电量的非线性预测 | 第55-58页 |
| 5.2 BP神经网络预测模型 | 第58-61页 |
| 5.2.1 基本理论 | 第58页 |
| 5.2.2 BP神经网络模型预测步骤 | 第58-59页 |
| 5.2.3 冀北地区钢铁用电量BP神经网络预测 | 第59-61页 |
| 5.3 最小二乘支持向量机预测模型 | 第61-65页 |
| 5.3.1 LSSVM模型方法论 | 第61-62页 |
| 5.3.2 LSSVM预测模型步骤 | 第62-63页 |
| 5.3.3 冀北地区钢铁用电量LSSVM智能预测 | 第63-65页 |
| 5.4 大气污染政策下的冀北钢铁行业用电量优选组合智能预测模型 | 第65-68页 |
| 5.4.1 基本理论 | 第65-67页 |
| 5.4.2 预测步骤 | 第67页 |
| 5.4.3 冀北地区钢铁行业用电量优选组合智能预测 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 大气污染防治政策下的冀北钢铁行业多情景预测 | 第69-74页 |
| 6.1 政策模拟情景分析 | 第69-71页 |
| 6.2 冀北地区钢铁行业用电量多情景优选组合智能预测 | 第71-73页 |
| 6.3 本章小结 | 第73-74页 |
| 第7章 研究成果和结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第80-81页 |
| 致谢 | 第81页 |
