| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究综述 | 第12-16页 |
| 1.3.1 节能减排相关研究 | 第13-14页 |
| 1.3.2 能源消费影响因素研究 | 第14-15页 |
| 1.3.3 能源消费结构优化研究 | 第15-16页 |
| 1.3.4 文献评述 | 第16页 |
| 1.4 本文研究思路与取得的成果 | 第16-19页 |
| 1.4.1 研究思路 | 第16-18页 |
| 1.4.2 取得的成果 | 第18页 |
| 1.4.3 创新点 | 第18-19页 |
| 第2章 四川省能源消费与碳排放现状 | 第19-31页 |
| 2.1 能源消费现状 | 第19-26页 |
| 2.1.1 总体特征分析 | 第19-20页 |
| 2.1.2 能源消费特征分析 | 第20-22页 |
| 2.1.3 区域特征分析 | 第22-23页 |
| 2.1.4 产业特征分析 | 第23-26页 |
| 2.2 四川省碳排放现状 | 第26-31页 |
| 2.2.1 碳排放系数与来源 | 第26页 |
| 2.2.2 碳排放计算 | 第26-27页 |
| 2.2.3 四川省能源碳排放总量分析 | 第27-28页 |
| 2.2.4 四川省能源碳排放增量分析 | 第28-29页 |
| 2.2.5 四川省碳排放与能源消费趋势分析 | 第29-31页 |
| 第3章 四川省能源消费趋势预测 | 第31-43页 |
| 3.1 四川省能源消费影响因素分析 | 第31-34页 |
| 3.2 四川省能源消费的主要控制因素选取 | 第34-36页 |
| 3.2.1 数据来源与预处理 | 第34-35页 |
| 3.2.2 主成分确定与分析 | 第35-36页 |
| 3.3 基于主成分的BP神经网络四川省能源消费预测 | 第36-43页 |
| 3.3.1 主成分分析的BP神经网络概述 | 第36-37页 |
| 3.3.2 神经网络结构确定 | 第37-41页 |
| 3.3.3 能源消费预测结果 | 第41-43页 |
| 第4章 碳减排下四川省能源消费结构的多目标优化 | 第43-61页 |
| 4.1 减排下四川省能源消费结构优化原则及优化目标 | 第43-45页 |
| 4.1.1 优化原则 | 第43-44页 |
| 4.1.2 优化目标 | 第44-45页 |
| 4.2 碳减排下四川省能源消费结构优化模型构建 | 第45-48页 |
| 4.2.1 总体目标函数 | 第45-46页 |
| 4.2.2 约束条件 | 第46-47页 |
| 4.2.3 条件假设 | 第47-48页 |
| 4.3 碳减排下四川省能源消费结构优化模型求解与分析 | 第48-61页 |
| 4.3.1 模型数据处理 | 第48-54页 |
| 4.3.2 多目标优化模型构建 | 第54页 |
| 4.3.3 优化方案设计 | 第54-55页 |
| 4.3.4 粒子群优化算法结果与分析 | 第55-61页 |
| 第5章 实现节能减排的对策建议 | 第61-64页 |
| 5.1 产业结构转型升级 | 第61页 |
| 5.2 优化能源消费结构 | 第61-62页 |
| 5.3 加大节能技术研发力度 | 第62页 |
| 5.4 制定配套激励政策 | 第62-63页 |
| 5.5 加强组织保障 | 第63-64页 |
| 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间取得学术成果 | 第72页 |
