论文目录 | |
摘要 | 第1-5页 |
Abstract | 第5-8页 |
第一章 绪论 | 第8-15页 |
1.1 引言 | 第8-9页 |
1.2 研究背景和研究意义 | 第9-12页 |
1.2.1 国外基准地价研究现状 | 第9-10页 |
1.2.2 我国基准地价研究现状 | 第10-12页 |
1.3 研究内容以及技术路线 | 第12-15页 |
1.3.1 研究内容 | 第12页 |
1.3.2 研究方法和技术路线 | 第12-15页 |
第二章 基准地价评估理论 | 第15-22页 |
2.1 基准地价概述 | 第15-16页 |
2.1.1 基准地价概念 | 第15页 |
2.1.2 基准地价更新及其必要性 | 第15-16页 |
2.1.3 基准地价更新的原则 | 第16页 |
2.2 基准地价更新流程 | 第16-18页 |
2.3 基准地价评估方法 | 第18-20页 |
2.3.1 传统基准地价评估方法 | 第18-19页 |
2.3.2 数学模型在基准地价评估中的应用 | 第19-20页 |
2.4 神经网络在基准地价评估中的优势 | 第20-22页 |
第三章 B-P 神经网络及其改进 | 第22-42页 |
3.1 神经网络 | 第22-27页 |
3.1.1 神经网络的概述 | 第22-23页 |
3.1.2 神经网络模型 | 第23-27页 |
3.2 B-P 神经网络 | 第27-33页 |
3.2.1 B-P 神经网络结构 | 第28-29页 |
3.2.2 B-P 算法原理 | 第29-32页 |
3.2.3 B-P 算法的步骤 | 第32-33页 |
3.3 B-P 神经网络的缺陷 | 第33-34页 |
3.4 L-M 算法改进标准 B-P 神经网络 | 第34-37页 |
3.4.1 Levenberg-Marquardt 算法概述 | 第34-35页 |
3.4.2 L-M 算法结构 | 第35-36页 |
3.4.3 L-M 算法具体步骤 | 第36-37页 |
3.5 GA 算法优化 B-P 神经网络 | 第37-42页 |
3.5.1 遗传算法简介 | 第37页 |
3.5.2 遗传算法的结构 | 第37-39页 |
3.5.3 遗传算法具体步骤 | 第39-40页 |
3.5.4 遗传算法与 B-P 神经网络的融合 | 第40-42页 |
第四章 基于 B-P 神经网络的基准地价评估模型实例 | 第42-65页 |
4.1 研究区概况 | 第42-43页 |
4.1.1 地理位置与历史沿革 | 第42页 |
4.1.2 自然环境条件 | 第42页 |
4.1.3 社会经济条件 | 第42-43页 |
4.2 基于 B-P 神经网络的城镇基准地价评估思路 | 第43-45页 |
4.3 城镇基准地价影响因素的分级与量化处理 | 第45-50页 |
4.3.1 商服繁华度 | 第46-47页 |
4.3.2 交通条件 | 第47-48页 |
4.3.3 基础设施状况 | 第48-49页 |
4.3.4 年租金 | 第49-50页 |
4.4 基于 B-P 神经网络的土地估价模型的建立 | 第50-65页 |
4.4.1 数据的采集和预处理 | 第50-53页 |
4.4.2 模型构架和参数选取 | 第53-56页 |
4.4.3 LM 算法改进 B-P 神经网络 | 第56-58页 |
4.4.4 GA 算法优化 B-P 神经网络权值、阈值 | 第58-59页 |
4.4.5 改进的 B-P 神经网络基准地价评估模型 | 第59-65页 |
第五章 结论 | 第65-66页 |
5.1 论文总结 | 第65页 |
5.2 存在的问题以及展望 | 第65-66页 |
参考文献 | 第66-69页 |
致谢 | 第69页 |