学位论文 > 优秀研究生学位论文题录展示
基于改进PSO-BP的房地产投资风险评价研究
作 者: 欧伟
导 师: 王学文
学 校: 河北工程大学
专 业: 管理科学与工程
关键词: 房地产投资 粒子群算法 BP神经网络 投资风险
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 76次
引 用: 0次
阅 读: 论文下载
内容摘要
房地产开发是一项高投入、高收益、高风险的投资活动,在开发过程中会受到社会、政治、经济、技术等很多不确定因素的影响,在当前我国房地产业宏观调控力度加大的形势下,投资者如果仅仅依靠经验进行投资,则会具有较大的盲目性,必然会加大房地产投资风险。因而,科学合理的房地产投资风险评价系统的研究迫在眉睫,运用科学方法对房地产投资风险进行评价,在理论和实践方面都具有重要的价值。本文首先,对房地产投资风险的相关理论进行了归纳和总结,并从房地产投资的各个阶段出发,对房地产投资风险因素进行了具体分析,建立了房地产投资风险评价指标体系;其次,阐述了基于改进PSO优化BP神经网络的相关理论;最后,建立了改进PSO-BP的房地产投资风险评价模型,通过训练与检测验证了改进PSO-BP模型的评价效果优于一般传统方法,并将该模型应用到房地产投资风险评价的实际案例中,得出了有效的评价结果。本文针对BP神经网络的缺陷,利用改进PSO优化BP神经网络,实现了BP神经网络仅在已接近最优解的基础上进行参数寻优的目的,有效的提高了网络的寻优精度和速度,使房地产投资风险评价效果更好。同时结合天津市房地产投资的实际案例,重点探讨了改进PSO-BP神经网络在房地产投资风险评价中的应用,对提高我国的房地产投资企业以及相关决策部门的决策水平具有现实意义。
|
全文目录
摘要 6-7 Abstract 7-11 第1章 绪论 11-17 1.1 研究背景及意义 11-12 1.1.1 研究背景 11 1.1.2 研究意义 11-12 1.2 国内外研究现状 12-15 1.2.1 房地产投资风险研究现状 12-14 1.2.2 粒子群算法优化 BP 神经网络的应用现状 14-15 1.3 研究内容及方法 15-16 1.3.1 研究内容 15 1.3.2 研究方法 15-16 1.4 技术路线及创新点 16-17 1.4.1 技术路线 16 1.4.2 创新点 16-17 第2章 房地产投资风险评价的相关理论概述 17-26 2.1 房地产投资概述 17-18 2.1.1 房地产投资的含义 17 2.1.2 房地产投资的特征 17-18 2.2 房地产投资风险概述 18-19 2.2.1 房地产投资风险的定义 18 2.2.2 房地产投资风险的类型 18-19 2.3 风险评价概述 19-25 2.3.1 风险的定义 20 2.3.2 风险的特征 20-21 2.3.3 风险评价的内容 21-22 2.3.4 风险评价的方法 22-24 2.3.5 风险评价的基本步骤 24 2.3.6 风险评价的作用 24-25 2.4 本章小结 25-26 第3章 房地产投资风险评价指标体系的建立 26-33 3.1 房地产投资风险因素分析 26-31 3.1.1 投资决策阶段风险 26-27 3.1.2 前期阶段风险 27-29 3.1.3 建设阶段风险 29-30 3.1.4 租售管理阶段风险 30-31 3.2 房地产投资风险评价指标体系的构建 31-32 3.2.1 房地产投资风险评价指标体系的构建原则 31-32 3.2.2 构建房地产投资风险评价指标体系 32 3.3 本章小结 32-33 第4章 基于改进的粒子群算法优化 BP 神经网络 33-45 4.1 粒子群算法 33-36 4.1.1 粒子群算法的基本原理 33-34 4.1.2 粒子群算法的流程 34-35 4.1.3 粒子群算法的参数分析 35-36 4.2 改进的粒子群算法 36-37 4.3 BP 神经网络 37-42 4.3.1 BP 神经网络原理 37-40 4.3.2 BP 神经网络的优势和局限性 40-42 4.4 改进的 PSO 算法优化 BP 神经网络 42-43 4.4.1 改进 PSO-BP 算法的基本思想 42 4.4.2 改进 PSO-BP 算法的流程 42-43 4.5 本章小结 43-45 第5章 房地产投资风险评价模型的构建与应用 45-61 5.1 改进 PSO-BP 模型的建立 45-52 5.1.1 改进 PSO-BP 模型的设计 45-47 5.1.2 数据的收集和处理 47-49 5.1.3 改进 PSO-BP 模型的 MATLAB 实现 49-52 5.2 改进 PSO-BP 模型的评价 52-54 5.2.1 改进 PSO-BP 模型的训练 52-53 5.2.2 改进 PSO-BP 模型的检测 53-54 5.3 BP 模型的评价 54-56 5.3.1 BP 模型的训练 54-56 5.3.2 BP 模型的检测 56 5.4 改进 PSO-BP 模型与 BP 模型的比较分析 56-57 5.5 实例分析 57-60 5.5.1 项目概述 57-58 5.5.2 项目风险评价 58-60 5.6 本章小结 60-61 结论与展望 61-62 致谢 62-63 参考文献 63-66 作者简介 66-67 攻读硕士学位期间发表的论文及科研成果 67-68
|
相似论文
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 高速公路拆迁民众生存系统评价研究,D523
- 基于粒子群的分子对接算法,R91
- 煤矿风险信息集成与智能预警研究,X936
- 基于多杀毒软件协同的病毒检测方法研究,TP309.5
- 基于特征选择的入侵检测研究,TP393.08
- 基于遗传算法的前馈神经网络优化研究,TP183
- JSYJ公司采购风险管理研究,F426.92
- 神经网络与组合预测在高速公路路面管理系统的应用研究,TP315
- 基于FLAC3D和神经网络的基坑变形预测系统研究,TU433
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 高新技术企业投资风险评价及控制策略研究,F276.44
- 浙江省海洋经济监测预警系统研究,F127
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|