我國城鎮(zhèn)化進程與鋼鐵企業(yè)能耗趨勢研究

引言
第一章 研究的背景與意義
一、節(jié)能減排是國家的發(fā)展戰(zhàn)略
二、能耗預(yù)警是實現(xiàn)節(jié)能減排的重要手段
三、人工神經(jīng)網(wǎng)絡(luò)是進行能耗預(yù)警的有效方法
四、Boosting框架是提升語塞算法精確度的有力途徑
第二章 文獻綜述
一、與可持續(xù)發(fā)展相關(guān)的理論綜述
（一）增長的極限理論
（二）生態(tài)控制論
（三）循環(huán)經(jīng)濟理論
（四）三種生產(chǎn)理論
二、企業(yè)可持續(xù)發(fā)展研究文獻綜述
（一）企業(yè)可持續(xù)發(fā)展的內(nèi)涵研究
（二）企業(yè)可持續(xù)發(fā)展的影響因素
（三）企業(yè)可持續(xù)發(fā)展的實現(xiàn)途徑
（四）企業(yè)可持續(xù)發(fā)展評價研究
三、鋼鐵能耗研究綜述
（一）能耗研究
（二）鋼鐵行業(yè)可持續(xù)發(fā)展
四、預(yù)警方法
（一）能耗總量預(yù)警
（二）主要節(jié)能因素預(yù)警
（三）生產(chǎn)物流預(yù)警
第三章 我國鋼鐵產(chǎn)量預(yù)測
一、系統(tǒng)分析
（一）鋼鐵消費與城鎮(zhèn)化水平關(guān)系分析
（二）系統(tǒng)因果關(guān)系
二、系統(tǒng)動力學(xué)建模與仿真
（一）系統(tǒng)參數(shù)確定
（二）模型構(gòu)建
三、情景分析
（一）分情景預(yù)測
（二）情景分析結(jié)果討論
（三）小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)與Adaboost簡介
一、神經(jīng)網(wǎng)絡(luò)介紹
（一）BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
（二）BP神經(jīng)網(wǎng)絡(luò)的學(xué)習規(guī)則
（三）BP神經(jīng)網(wǎng)絡(luò)的改進算法
二、Adaboost算法簡介
（一）基本思想
（二）迭代步驟
（三）應(yīng)用領(lǐng)域
第五章 BP_Adaboost算法
一、基本思想
（一）BP神經(jīng)網(wǎng)絡(luò)的建立與訓(xùn)練
（二）Adaboost框架下的強預(yù)測器
（三）預(yù)警警級的劃分
二、算法步驟
三、本書中的應(yīng)用
第六章 基于BP神經(jīng)網(wǎng)絡(luò)的弱預(yù)測器
一、BP算法的改進
（一）樣本數(shù)據(jù)的處理
（二）訓(xùn)練函數(shù)的選取
（三）改進算法的參數(shù)確定
二、模型建立與算法實現(xiàn)
（一）BP神經(jīng)網(wǎng)絡(luò)的建立與訓(xùn)練
（二）BP神經(jīng)網(wǎng)絡(luò)的仿真與預(yù)測
三、BP神經(jīng)網(wǎng)絡(luò)的不足
第七章 基于Adaboost算法的強分類器
一、強預(yù)測算法的實現(xiàn)
（一）框架算法的代碼實現(xiàn)
（二）結(jié)果分析
二、能耗預(yù)警的實現(xiàn)
（一）代碼實現(xiàn)
（二）結(jié)果分析
第八章 結(jié)論
一、研究成果
（一）算法改進成果
（二）能耗研究成果
二、有待改進之處
第九章 專題探討——鋼鐵企業(yè)可持續(xù)發(fā)展系統(tǒng)的思考
一、鋼鐵企業(yè)可持續(xù)發(fā)展系統(tǒng)（ISESI）s）的定義
（一）ISESDS的特性
（二）ISESDS的結(jié)構(gòu)分析
（三）ISESDS的功能分析
（四）ISESDS的發(fā)展性分析
（五）ISESDS的持續(xù)性分析
二、ISESDS評價的內(nèi)涵和性質(zhì)
（一）ISESDS評價的概念和內(nèi)涵
（二）ISESDS評價的性質(zhì)
（三）可持續(xù)發(fā)展評價理論與方法
（四）構(gòu)建ISESDS評價指標體系的原理與方法
三、ISESDS一般指標體系的層次結(jié)構(gòu)
（一）層次結(jié)構(gòu)模型
（二）ISESDS功能集的含義
（三）功能集的概念模型
四、ISESDS功能集指標體系的構(gòu)建
五、建立ISESDS綜合評價模型
（一）ISESDS綜合評價過程分析
（二）ISESDS的評價方法
參考文獻