| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究进展 | 第14-19页 |
| 1.2.1 神经网络模型研究 | 第14-18页 |
| 1.2.2 碳排放预测研究 | 第18-19页 |
| 1.2.3 研究述评 | 第19页 |
| 1.3 研究内容与体系框架 | 第19-20页 |
| 1.4 研究方法与技术路线 | 第20-22页 |
| 2 相关概念及数据基础 | 第22-32页 |
| 2.1 居民生活碳排放概念及数据来源 | 第22-26页 |
| 2.1.1 直接碳排放及核算方法 | 第22页 |
| 2.1.2 间接碳排放及核算方法 | 第22-24页 |
| 2.1.3 中国省域居民直接生活碳排放核算 | 第24-26页 |
| 2.2 神经网络模型原理分析 | 第26-30页 |
| 2.2.1 人工神经元现实模型 | 第26-27页 |
| 2.2.2 人工神经元仿真模型 | 第27-29页 |
| 2.2.3 神经网络模型分类及特点 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 基于神经网络的省域居民直接碳排放预测及精度对比 | 第32-50页 |
| 3.1 基于BP神经网络模型的碳排放预测 | 第32-38页 |
| 3.1.1 BP神经网络模型 | 第32-36页 |
| 3.1.2 基于BP神经网络模型的碳排放预测方法 | 第36-38页 |
| 3.2 基于RBF神经网络模型的碳排放预测 | 第38-42页 |
| 3.2.1 RBF神经网络模型 | 第38-40页 |
| 3.2.2 基于RBF神经网络模型的碳排放预测方法 | 第40-42页 |
| 3.3 基于Elman神经网络模型的碳排放预测 | 第42-45页 |
| 3.3.1 Elman神经网络模型 | 第42-43页 |
| 3.3.2 基于神经网络模型的碳排放预测方法 | 第43-45页 |
| 3.4 基于不同神经网络模型的碳排放预测效果对比 | 第45-47页 |
| 3.4.1 对比指标 | 第45-47页 |
| 3.4.2 对比结果 | 第47页 |
| 3.5 本章小结 | 第47-50页 |
| 4 基于Elman神经网络模型的碳排放预测系统分析与设计 | 第50-56页 |
| 4.1 系统需求分析 | 第50-51页 |
| 4.1.1 功能性需求分析 | 第50-51页 |
| 4.1.2 非功能性需求分析 | 第51页 |
| 4.2 设计原则 | 第51-52页 |
| 4.3 系统设计 | 第52-55页 |
| 4.3.1 系统总体框架设计 | 第53-54页 |
| 4.3.2 系统数据库设计 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 基于Elman神经网络的中国省域碳排放预测系统实现与应用 | 第56-68页 |
| 5.1 系统实现环境 | 第56-58页 |
| 5.1.1 C | 第56页 |
| 5.1.2 ArcGIS Engine组件 | 第56-57页 |
| 5.1.3 Matlab神经网络工具箱 | 第57-58页 |
| 5.2 系统主界面 | 第58页 |
| 5.3 功能实现与测试 | 第58-64页 |
| 5.3.1 文件管理模块 | 第58-59页 |
| 5.3.2 地图操作模块 | 第59页 |
| 5.3.3 地图布局模块 | 第59页 |
| 5.3.4 碳排放专题图制作模块 | 第59-62页 |
| 5.3.5 碳排放预测模块 | 第62-64页 |
| 5.4 中国 2015-2035 年省域居民碳排放预测及分析 | 第64-66页 |
| 5.4.1 预测结果 | 第64-66页 |
| 5.4.2 结果分析 | 第66页 |
| 5.5 本章小结 | 第66-68页 |
| 6 全文总结 | 第68-72页 |
| 6.1 主要结论 | 第68-69页 |
| 6.2 创新点 | 第69页 |
| 6.3 讨论与展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间所获科研成果 | 第80-81页 |
