| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 研究背景 | 第15页 |
| 1.2 研究的目的及意义 | 第15-17页 |
| 1.2.1 研究目的 | 第16页 |
| 1.2.2 研究意义 | 第16-17页 |
| 1.3 国内外绿色建筑发展概况 | 第17-27页 |
| 1.3.1 国外绿色建筑发展 | 第17-22页 |
| 1.3.2 国内绿色建筑发展 | 第22-27页 |
| 1.4 研究的方法及技术路线 | 第27-30页 |
| 1.4.1 研究的内容 | 第27页 |
| 1.4.2 研究的方法 | 第27-29页 |
| 1.4.3 研究框架 | 第29-30页 |
| 1.5 小结 | 第30-31页 |
| 第2章 全国绿色建筑发展状况 | 第31-41页 |
| 2.1 全国绿色建筑发展状况 | 第31-39页 |
| 2.1.1 数量与面积 | 第31-33页 |
| 2.1.2 星级比例 | 第33-34页 |
| 2.1.3 标识类型 | 第34-35页 |
| 2.1.4 各气候分区分布 | 第35-38页 |
| 2.1.5 各地区及省份 | 第38-39页 |
| 2.2 我国绿色建筑的发展展望 | 第39-40页 |
| 2.3 本章小结 | 第40-41页 |
| 第3章 湖南省绿色建筑发展状况 | 第41-56页 |
| 3.1 湖南省绿色建筑基本状况 | 第41-45页 |
| 3.1.1 数量与建筑面积 | 第41-44页 |
| 3.1.2 星级比例 | 第44页 |
| 3.1.3 地域分布 | 第44-45页 |
| 3.2 增量成本 | 第45-48页 |
| 3.2.1 绿色建筑增量成本的误解 | 第45-46页 |
| 3.2.2 增量成本的定义 | 第46页 |
| 3.2.3 湖南省绿色建筑增量成本具体情况 | 第46-48页 |
| 3.3 湖南省可再生能源技术利用 | 第48-54页 |
| 3.3.1 可再生能源 | 第49-53页 |
| 3.3.2 湖南省绿色建筑可再生能源技术利用 | 第53-54页 |
| 3.4 绿色建筑效益 | 第54-55页 |
| 3.4.1 绿色建筑效益的理解 | 第54-55页 |
| 3.4.2 湖南省绿色建筑效益的问题 | 第55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 湖南省绿色建筑适宜技术选用 | 第56-83页 |
| 4.1 适宜技术的相关概念 | 第56-57页 |
| 4.1.1 适宜技术的理论发展 | 第56页 |
| 4.1.2 适宜技术的界定 | 第56-57页 |
| 4.2 湖南省绿色建筑适宜技术运用状况 | 第57页 |
| 4.3 湖南省绿色建筑适宜技术分类 | 第57-81页 |
| 4.3.1 湖南省绿色建筑适宜技术分类的定性分析 | 第57-63页 |
| 4.3.2 湖南省绿色建筑适宜技术分类的定量分析 | 第63-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第5章 湖南省绿色建筑星级预测 | 第83-98页 |
| 5.1 BP神经网络 | 第83-87页 |
| 5.1.1 人工神经网络 | 第83-84页 |
| 5.1.2 BP神经网络训练过程 | 第84-87页 |
| 5.2 粒子群优化算法 | 第87-89页 |
| 5.2.1 粒子群优化算法 | 第87页 |
| 5.2.2 粒子群算法优化过程 | 第87-89页 |
| 5.3 基于PSO-BP神经网络的绿色建筑星级预测模型 | 第89-95页 |
| 5.3.1 基于PSO-BP神经网络的预测模型 | 第89-90页 |
| 5.3.2 基于PSO-BP神经网络在绿色建筑星级预测中的运用 | 第90-95页 |
| 5.4 模型结果验证 | 第95-97页 |
| 5.5 本章小结 | 第97-98页 |
| 结论 | 第98-100页 |
| 参考文献 | 第100-103页 |
| 附录 | 第103-135页 |
| 附录 A 湖南省绿色建筑适宜技术措施表 | 第103-114页 |
| 附录 B 专家问卷调查 | 第114-120页 |
| 附录 C 绿色建筑设计标识项目的关键技术信息表 | 第120-125页 |
| 附录 D 基于PSO-BP神经网络的绿色建筑星级预测模型代码 | 第125-134页 |
| 附录 E 攻读硕士学位期间的科研成果 | 第134-135页 |
| 致谢 | 第135页 |
