基于BP神经网络的清洁生产评价模型研究

论文摘要

清洁生产审核是清洁生产中的重要环节,其主要作用是诊断企业不清洁因素,提出解决方案,达到节能、降耗、减污、增效的目的。但具体工作实施时,对企业清洁生产等级的确定、清洁生产潜力大小的确定、企业努力方向以及如何开展清洁生产等方面,定性的成分多,定量的成分少。由于通常采取单指标方法进行定量研究,操作时专家主观性较强,缺乏对企业清洁生产水平科学准确的评价。因此,探究科学有效的清洁生产审核方法对于准确评估企业的清洁生产水平、实施可持续清洁生产有重要的意义。鉴于上述问题,论文对企业在清洁生产评价方法上进行了新的探索性研究,将神经网络方法应用于清洁生产评价研究,计算、分析和评价企业的清洁生产程度,提高清洁生产审核效率,确定标准,编辑程序,运用计算机实现信息、技术与专家的共享,减轻人力劳动。论文阐述了清洁生产的研究现状,在比较和分析各类神经网络模型原理和计算方法的基础上,采用BP模型研究清洁生产评价,确定模型参数,建立基于改进BP算法的企业清洁生产评价模型和清洁生产数据信息库,开发相应的软件,并通过实例仿真对模型进行检验,最后将此模型应用在轮胎行业的清洁生产审核案例中,结果表明:该方法将定性指标与定量指标统一起来,给出明确的定量结果,能将复杂、不够确定的多因素问题转化为有依据的参数,为企业清洁生产的定量考核和指标化管理提供了一个科学的评价方法。通过在实际案例中的应用,证明了BP模型评价方法具有高度非线性函数映射功能及自适应、自学习能力,可以有效克服传统评价方法中主观性强的缺陷,得到结果的时间短,弱化传统评价方法中指标权重确定的人为影响因素,精度较高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文研究背景
• 1.2 论文研究内容、方法和意义
• 1.2.1 研究内容
• 1.2.2 研究方法
• 1.2.3 研究意义
• 2 清洁生产审核评价方法
• 2.1 清洁生产审核
• 2.1.1 清洁生产审核概念
• 2.1.2 清洁生产审核内容
• 2.1.3 清洁生产审核的流程
• 2.2 清洁生产评价方法
• 2.2.1 传统法
• 2.2.2 模糊综合评判法
• 2.2.3 灰色关联度
• 2.2.4 层次分析法
• 2.2.5 贝叶斯网络法
• 2.3 本章小结
• 3 BP 模型的研究应用
• 3.1 神经网络技术
• 3.1.1 神经网络概念
• 3.1.2 神经网络发展
• 3.1.3 神经网络特征及分类
• 3.1.4 神经网络技术在环境科学方面的应用
• 3.2 BP 算法的实现
• 3.2.1 BP 算法原理
• 3.2.2 BP 算法描述
• 3.2.3 BP 算法的计算步骤
• 3.3 BP 算法的缺点
• 3.4 BP 算法的改进
• 3.4.1 附加动量法
• 3.4.2 自适应学习速率
• 3.4.3 激励函数
• 3.4.4 测试结论
• 3.5 本章小结
• 4 基于改进BP 算法的企业清洁生产评价模型
• 4.1 模型建立
• 4.2 模型仿真系统的开发
• 4.2.1 程序主体框架
• 4.2.2 信息读取数据库
• 4.2.3 模型计算程序
• 4.2.4 数据输出、存储及查询模块
• 4.3 模型验证与分析
• 4.3.1 模型验证
• 4.3.2 分析与比较
• 4.4 程序优化研究与实现
• 4.4.1 提高程序运行速度
• 4.4.2 减少内存空间
• 4.5 本章小结
• 5 实例应用
• 5.1 确定典型案例企业
• 5.1.1 我国橡胶行业现状
• 5.1.2 企业现状分析
• 5.2 确定清洁生产目标
• 5.3 评价标准的确定
• 5.3.1 评价标准
• 5.3.2 企业主要清洁生产指标
• 5.4 评价步骤
• 5.5 清洁生产状况分析
• 5.5.1 网络训练过程及结果
• 5.5.2 评价结果分析
• 5.6 本章小结
• 6 结论与建议
• 6.1 结论
• 6.2 建议
• 致谢
• 参考文献
• 附录 作者在攻读硕士学位期间发表的论文