| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题背景 | 第9-10页 |
| ·问题的提出及研究意义 | 第10-11页 |
| ·能源审计系统存在的问题 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·研究内容及研究思路 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·研究思路 | 第12-13页 |
| 第二章 能源审计综述 | 第13-22页 |
| ·能源审计理论 | 第13-17页 |
| ·能源审计概念 | 第13-14页 |
| ·能源审计内容 | 第14页 |
| ·能源审计的作用 | 第14-15页 |
| ·能源审计的形式 | 第15-17页 |
| ·国外能源审计概况 | 第17-18页 |
| ·国内能源审计的发展 | 第18-20页 |
| ·千家企业节能目标责任评价体系 | 第19-20页 |
| ·特定行业能源评价体系 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 数据的PCA数据降维方法 | 第22-32页 |
| ·PCA理论 | 第22-25页 |
| ·PCA思想 | 第22-23页 |
| ·主成份性质 | 第23-24页 |
| ·PCA计算步骤 | 第24-25页 |
| ·PCA在能源审计领域的可行性分析 | 第25-30页 |
| ·能源审计数据噪声和指标冗余 | 第25-29页 |
| ·PCA数据降维对标 | 第29-30页 |
| ·审计数据降维对标的性能评价 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于BP神经网络的人工智能能源审计方法及应用 | 第32-49页 |
| ·神经网络理论 | 第32-36页 |
| ·神经网络原理 | 第32-35页 |
| ·神经网络的应用 | 第35-36页 |
| ·基于BP神经网络的能源审计方法 | 第36-40页 |
| ·BP神经网络 | 第36-37页 |
| ·基于PCA的特征向量提取 | 第37-39页 |
| ·BP神经网络能源审计方法建模 | 第39-40页 |
| ·钢铁厂能耗分析应用实例 | 第40-47页 |
| ·PCA主元分析应用 | 第41-43页 |
| ·基于神经网络的能源审计模型 | 第43-47页 |
| ·智能审计模型的优势 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 能源审计新指标:对标低碳系数 | 第49-60页 |
| ·当前能源审计发展趋势 | 第49-52页 |
| ·耗能行业能效对标管理 | 第49-50页 |
| ·标杆选定与能效潜力指数 | 第50-51页 |
| ·低碳经济发展模式 | 第51-52页 |
| ·对标低碳系数作为能源审计新指标的必要性及其内涵 | 第52-54页 |
| ·必要性 | 第52-53页 |
| ·内涵 | 第53-54页 |
| ·对标低碳系数的计算方法 | 第54-57页 |
| ·对标低碳系数等级划分 | 第57-58页 |
| ·案例解析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读学位期间主要研究成果 | 第67页 |
| 攻读硕士学位期间参与的审计项目 | 第67-68页 |
| 致谢 | 第68页 |