| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-14页 |
| 1.2.1 综合计划国内外研究动态 | 第10-12页 |
| 1.2.2 效果评价国内外研究动态 | 第12-14页 |
| 1.2.3 综合计划效果评价国内外研究动态 | 第14页 |
| 1.3 课题主要研究内容 | 第14-16页 |
| 第2章 综合计划效果评价理论概述 | 第16-21页 |
| 2.1 计划管理概述 | 第16-17页 |
| 2.1.1 计划管理的定义 | 第16页 |
| 2.1.2 计划管理的特点 | 第16-17页 |
| 2.2 综合计划管理 | 第17-20页 |
| 2.2.1 综合计划管理的概念 | 第17页 |
| 2.2.2 综合计划的内容 | 第17-19页 |
| 2.2.3 实施综合计划的作用 | 第19-20页 |
| 2.3 供电企业综合计划效果评价 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 综合计划效果评价指标体系 | 第21-27页 |
| 3.1 指标体系设立的原则 | 第21-22页 |
| 3.2 综合计划效果评价指标体系的构建 | 第22页 |
| 3.3 综合计划效果评价指标体系内涵分析 | 第22-26页 |
| 3.3.1 经济效果 | 第22-23页 |
| 3.3.2 社会效果 | 第23-24页 |
| 3.3.3 供电质量效果 | 第24-25页 |
| 3.3.4 安全效果 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 供电企业综合计划效果评价模型的构建 | 第27-36页 |
| 4.1 神经网络理论基础 | 第27-32页 |
| 4.1.1 神经网络的概述 | 第27-28页 |
| 4.1.2 人工神经元模型 | 第28-29页 |
| 4.1.3 BP神经网络 | 第29-31页 |
| 4.1.4 BP神经网络的优缺点 | 第31-32页 |
| 4.2 粒子群理论基础 | 第32-34页 |
| 4.2.1 粒子群优化算法概述 | 第32-33页 |
| 4.2.2 算法数学描述 | 第33-34页 |
| 4.2.3 算法流程 | 第34页 |
| 4.2.4 算法优点及应用 | 第34页 |
| 4.3 基于粒子群优化的BP神经网络模型 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 实证分析 | 第36-49页 |
| 5.1 数据收集 | 第36-41页 |
| 5.1.1 因素集和确定定性、定量指标 | 第36-37页 |
| 5.1.2 综合计划效果评价指标评分标准 | 第37-39页 |
| 5.1.3 样本数据的获取 | 第39-41页 |
| 5.2 模型训练过程 | 第41-45页 |
| 5.2.1 确定供电企业综合计划效果评价模型的权重和阈值 | 第41-42页 |
| 5.2.2 供电企业综合计划效果评价BP神经网络的训练与学习 | 第42-45页 |
| 5.3 结果分析 | 第45-46页 |
| 5.4 提高供电企业综合计划实施效果的建议和措施 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| 6.1 结论 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 在学期间发表的学术论文和参加科研情况 | 第53-54页 |
| 致谢 | 第54页 |