摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究背景及意义 | 第11-12页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 项目风险管理的研究现状 | 第12-13页 |
1.2.2 风险评价模型的研究现状 | 第13-15页 |
1.3 论文研究内容及方法 | 第15-16页 |
1.3.1 论文研究内容 | 第15页 |
1.3.2 论文研究方法 | 第15-16页 |
1.4 论文技术路线 | 第16-17页 |
1.5 本章小结 | 第17-19页 |
第二章 课题研究的相关理论 | 第19-35页 |
2.1 项目风险定义 | 第19-20页 |
2.2 技改项目风险管理定义及内涵 | 第20-24页 |
2.2.1 技改项目风险管理定义 | 第20页 |
2.2.2 技改项目风险管理的内涵 | 第20-24页 |
2.3 神经网络基本理论 | 第24-32页 |
2.3.1 神经网络 | 第24-26页 |
2.3.2 神经网络的学习方式 | 第26-27页 |
2.3.3 BP神经网络 | 第27-28页 |
2.3.4 BP神经网络的激励函数 | 第28-29页 |
2.3.5 BP神经网络的算法 | 第29-30页 |
2.3.6 BP神经网络的推导 | 第30-32页 |
2.4 BP神经网络的局限性 | 第32-33页 |
2.5 BP神经网络的改进 | 第33页 |
2.6 本章小结 | 第33-35页 |
第三章 火电厂技改项目风险指标体系的构建 | 第35-47页 |
3.1 火电厂技改项目风险的识别 | 第35-38页 |
3.1.1 火电厂技改项目风险特征 | 第35页 |
3.1.2 火电厂技改项目风险识别的方法 | 第35-38页 |
3.2 火电厂技改项目风险评价的原则 | 第38-39页 |
3.3 技改项目风险评价指标体系构建的步骤 | 第39-40页 |
3.4 火电厂技改项目风险因素分析 | 第40-43页 |
3.5 技术改造项目风险评价指标体系的建立 | 第43-45页 |
3.6 本章小结 | 第45-47页 |
第四章 面向MATLAB的BP神经网络评价模型 | 第47-65页 |
4.1 创建BP神经网络模型 | 第47-48页 |
4.1.1 创建输入层 | 第47页 |
4.1.2 创建隐含层 | 第47页 |
4.1.3 创建输出层 | 第47-48页 |
4.1.4 模型网络架构 | 第48页 |
4.2 基于BP神经网络的批量训练模型 | 第48-62页 |
4.2.1 数据的读入 | 第49-50页 |
4.2.2 划分训练数据与测试数据 | 第50-53页 |
4.2.3 初始化网络 | 第53页 |
4.2.4 隐藏层节点和学习率的优化 | 第53-58页 |
4.2.5 误差的计算 | 第58-60页 |
4.2.6 学习网络收敛判断 | 第60页 |
4.2.7 权值调整 | 第60-61页 |
4.2.8 测试 | 第61-62页 |
4.3 基于BP神经网络函数工具箱模型 | 第62-64页 |
4.4 本章小结 | 第64-65页 |
第五章 ZX火电厂汽轮机改造的MATLAB仿真评价 | 第65-81页 |
5.1 汽轮机技术改造项目概述 | 第65-68页 |
5.1.1 汽轮机技术改造项目背景 | 第65-66页 |
5.1.2 改造的必要性和可行性 | 第66-67页 |
5.1.3 汽轮机技改方案 | 第67-68页 |
5.2 数据来源 | 第68-70页 |
5.3 汽轮机改造的MATLAB训练与测试 | 第70-75页 |
5.3.1 批量方式的训练与测试 | 第70-73页 |
5.3.2 函数工具箱的训练与测试 | 第73-75页 |
5.3.3 模型的测试结果对比 | 第75页 |
5.4 ZX火电厂汽轮机改造项目风险评价的MATLAB实现 | 第75-76页 |
5.5 技改项目风险的应对与监控 | 第76-79页 |
5.5.1 风险的应对 | 第76-78页 |
5.5.2 风险的监控 | 第78-79页 |
5.6 本章小结 | 第79-81页 |
第六章 结论与展望 | 第81-83页 |
6.1 结论 | 第81页 |
6.2 展望 | 第81-83页 |
致谢 | 第83-85页 |
参考文献 | 第85-89页 |
附录A: 攻读硕士期间科研成果 | 第89-91页 |
附录B: ZX电厂汽轮机技术改造训练样本数据 | 第91-111页 |
附录C: MATLAB的学习和训练代码 | 第111-121页 |