| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-11页 |
| 1.2.1 理论意义 | 第9页 |
| 1.2.2 实践意义 | 第9-11页 |
| 1.3 国内外研究现状及发展动态 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.3.3 文献评述 | 第13-14页 |
| 1.4 创新点和技术路线图 | 第14-16页 |
| 1.4.1 创新点 | 第14页 |
| 1.4.2 技术路线图 | 第14-16页 |
| 2 相关理论概述 | 第16-26页 |
| 2.1 碳税征收的相关理论 | 第16-18页 |
| 2.1.1 碳税的概念、特征、分类 | 第16-17页 |
| 2.1.2 碳税征收的福利影响 | 第17-18页 |
| 2.2 神经网络的分类 | 第18-20页 |
| 2.2.1 前馈神经网络 | 第19页 |
| 2.2.2 反馈神经网络 | 第19页 |
| 2.2.3 自组织网络 | 第19页 |
| 2.2.4 人工神经网络简述 | 第19-20页 |
| 2.3 BP神经网络理论基础与方法 | 第20-26页 |
| 2.3.1 BP神经网络的基本思想 | 第20页 |
| 2.3.2 BP神经网络学习过程 | 第20-25页 |
| 2.3.3 BP神经网络算法的改进 | 第25-26页 |
| 3 基于BP神经网络的碳税预测模型构建 | 第26-39页 |
| 3.1 BP神经网络用于碳税预测的原理、步骤与功能 | 第26-28页 |
| 3.1.1 神经网络预测的基本原理 | 第26-27页 |
| 3.1.2 BP神经网络预测碳税收入的步骤 | 第27页 |
| 3.1.3 BP神经网络对碳税预测的功能实现 | 第27-28页 |
| 3.2 BP神经网络结构设计 | 第28-36页 |
| 3.2.1 输入层和输出层的设计 | 第28-29页 |
| 3.2.2 确定输入输出变量 | 第29-30页 |
| 3.2.3 隐含层的设计 | 第30-31页 |
| 3.2.4 初始权值和阈值的选取 | 第31页 |
| 3.2.5 响应函数的选取 | 第31-36页 |
| 3.3 BP网络训练函数设计 | 第36-39页 |
| 3.3.1 模型与结构 | 第36-37页 |
| 3.3.2 训练算法选择 | 第37页 |
| 3.3.3 训练方式选择 | 第37-39页 |
| 4 中国碳税预测模型的实现 | 第39-52页 |
| 4.1 碳税区域划分 | 第39页 |
| 4.2 七省市碳税数据源特征与分析 | 第39-44页 |
| 4.3 样本数据的采集与归一化处理 | 第44-48页 |
| 4.3.1 样本数据的采集 | 第44-47页 |
| 4.3.2 数据归一化处理 | 第47-48页 |
| 4.4 用MATLAB工具箱进行BP网络设计 | 第48-52页 |
| 4.4.1 生成神经网络 | 第48页 |
| 4.4.2 权值初始化 | 第48页 |
| 4.4.3 网络训练 | 第48-49页 |
| 4.4.4 仿真 | 第49页 |
| 4.4.5 模型检验 | 第49-52页 |
| 5 基于BP神经网络的碳税征收仿真结果分析及预测 | 第52-63页 |
| 5.1 七省市碳税仿真结果展示分析 | 第52-58页 |
| 5.2 基于历年碳税预测的BP模型程序编写 | 第58页 |
| 5.3 七省市碳税效应的制度性分析 | 第58-60页 |
| 5.4 京、豫、桂未来碳税的预测分析 | 第60-63页 |
| 6 研究结论及研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |