基于产业集群的房地产市场演化博弈和应用研究

发布时间：2018-06-13 04:20

  本文选题：房地产市场 + 产业集群　； 参考：《天津大学》2014年博士论文

【摘要】：房地产业作为我国的主要经济支柱，其产业集群的发展由于加大了整体间的协作，提高整个房地产业集群的竞争力。因而，房地产产业集群作为一种新的发展趋势和新生力量逐渐在市场上占据主导地位。本文采用演化博弈和非线性动态系统方法，建立了基于互惠基础上的连续型动态系统。通过引出一个多维连续型动态系统微分方程建立了基于生态学的房地产产业集群的演化模型，解释房地产产业集群动态演化特点。最后建立房地产产业集群的景气度智能评判系统，建立房地产产业集群动态预测模型，为房地产产业集群的形成和发展提供了理论依据。本文主要创造性工作如下： 第一，建立了基于生物进化有限理性基础之上的演化博弈模型，通过分析房地产产业集群行为主体间的支付收益矩阵建立连续系统动态模型，，研究了模型中参数变化对房地产市场产业集群演化特性的影响程度。通过分析平衡点稳定条件，得出了微分非线性动态动力经济系统的稳定性条件，并分析了其经济意义。最后分析其动态行为特征及每个参数所表示的经济意义。得出的重要结论是：演化博弈在向着期待方向演化的过程中，在某特定参数范围内会产生混沌现象，并对产业集群演化方向产生影响。 第二，通过建立多维连续动态动力系统，分析了加入状态反馈控制变量的内在复杂性。因而产生了混沌和超混沌现象。通过数值模拟仿真得出了在一定参数条件下，系统的混沌吸引子和超混沌吸引子。通过分析动态系统在一定参数范围内的分岔图和李亚普诺夫指数，描述了系统进入混沌状态和超混沌状态的过程。在超混沌的基础上引入了线性控制措施，实现了非线性动态系统的二次控制，提出了控制备份的理念。基于生态学理论，建立了房地产产业集群演化模型，通过离散动力系统和连续型动力系统的比较分析，从生物经济学的角度阐释了房地产产业集群非线性动力系统的经济学意义。 第三，建立了基于传统BP神经网络和改进型BP神经网络LM算法的房地产市场产业集群景气度预测模型。得出了传统BP神经网络隐含层权重参数选择时会产生混沌现象的特点，动态性的非线性系统具有高度的复杂性的结论。证明了改进型BP神经网络具有自主选择权重参数的功能，且效果良好，房地产产业集群景气度值更为精确。
[Abstract]:As the main economic pillar of our country, the development of the real estate industry cluster enhances the competitiveness of the whole real estate industry cluster because of increasing the cooperation among the whole industry. Therefore, the real estate industry cluster as a new development trend and new forces gradually occupy a dominant position in the market. In this paper, a continuous dynamic system based on reciprocity is established by using evolutionary game and nonlinear dynamic system method. The evolution model of real estate industry cluster based on ecology is established by introducing a multi-dimensional continuous dynamic system differential equation to explain the characteristics of the dynamic evolution of real estate industry cluster. Finally, the intelligent evaluation system of the real estate industry cluster is established, and the dynamic prediction model of the real estate industry cluster is established, which provides the theoretical basis for the formation and development of the real estate industry cluster. The main creative works of this paper are as follows: first, an evolutionary game model based on the finite rationality of biological evolution is established. By analyzing the payoff matrix among the agents of real estate industry cluster, a continuous system dynamic model is established, and the degree of influence of parameter changes on the evolution characteristics of real estate industry cluster is studied. By analyzing the stability condition of the equilibrium point, the stability conditions of the differential nonlinear dynamic economic system are obtained, and its economic significance is analyzed. Finally, the dynamic behavior characteristics and the economic significance of each parameter are analyzed. The important conclusion is that the evolutionary game will produce chaos in the range of certain parameters in the process of evolution towards expectation direction, and will have an impact on the evolution direction of industrial clusters. Secondly, the inherent complexity of adding state feedback control variables is analyzed by establishing a multi-dimensional continuous dynamic system. As a result, chaos and hyperchaos occur. The chaotic attractor and hyperchaotic attractor of the system are obtained by numerical simulation. By analyzing the bifurcation diagram and Lyapunov exponent of the dynamic system in a certain parameter range, the process of the system entering into chaotic state and hyperchaotic state is described. On the basis of hyperchaos, linear control measures are introduced to realize the quadratic control of nonlinear dynamic systems, and the idea of control backup is put forward. Based on the theory of ecology, the evolution model of real estate industry cluster is established, and the discrete dynamic system and the continuous dynamic system are compared and analyzed. The economic significance of nonlinear dynamic system of real estate industry cluster is explained from the point of view of biological economics. Thirdly, based on the traditional BP neural network and the improved BP neural network LM algorithm, the real estate industry cluster forecast model is established. It is concluded that the traditional BP neural network can produce chaotic phenomena when selecting the parameters of hidden layer weight, and the dynamic nonlinear system has a high complexity. It is proved that the improved BP neural network has the function of selecting weight parameters independently, and the effect is good, and the real estate industry cluster weather value is more accurate.
【学位授予单位】：天津大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：F299.233.4;F224.32;TP18

【共引文献】

相关期刊论文 前10条

1 张冬梅;李凤伟;徐涵;;一类具有双零特征值的平面向量场在平衡点的动态分析[J];长春师范学院学报;2007年10期

2 李可用;王晓梅;;企业战略管理系统的混沌性分析[J];中国城市经济;2011年24期

3 张军柯;王知人;白象忠;;电磁场中导电梁式板非线性振动的分岔[J];重庆科技学院学报(自然科学版);2008年06期

4 刘晓君;常迎香;李险峰;;延迟反馈法控制带有参数的Sprott N混沌系统[J];东北师大学报(自然科学版);2008年02期

5 刘晓君;李险峰;何万生;王三福;;带摩擦的Rikitake双盘发电机模型的混沌与同步[J];东北师大学报(自然科学版);2009年03期

6 王诗兵;周宇飞;陈军宁;;SEPIC变换器的滑模控制及其稳定性分析[J];电测与仪表;2007年01期

7 宋如乾;靳彦儒;;混沌理论在故障定位中的应用[J];电力科学与工程;2010年09期

8 李群宏;席洁珍;丁学利;谭洁燕;;Rossler系统的fold-Hopf分岔分析[J];动力学与控制学报;2009年04期

9 张文波;赵海;孙佩刚;徐野;张昕;;因特网拓扑演化及其节点平均连接度的分形研究[J];电子学报;2006年08期

10 傅强;袁晨;刘立安;;投资者买卖观点转换概率的非线性资产价格动态模型及实证研究[J];系统工程;2009年06期

相关会议论文 前4条

1 邓九英;毛宗源;;混沌免疫网络的多峰函数优化算法[A];第二十六届中国控制会议论文集[C];2007年

2 竺致文;王洪礼;方文轩;;社会经济系统动态周期模型的分岔行为研究[A];第十一届全国非线性振动学术会议暨第八届全国非线性动力学和运动稳定性学术会议论文集[C];2007年

3 竺致文;王洪礼;许佳;;形状记忆合金支承——转子系统中的分岔行为研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

4 史周青;;蝴蝶效应在网络传播过程中的成因与防范[A];中国传媒大学第二届全国新闻学与传播学博士生学术研讨会论文集[C];2008年

相关博士学位论文 前10条

1 戚增坤;突变控制机制及其在船舶非线性横摇运动中的应用研究[D];哈尔滨工程大学;2010年

2 佟吉钢;高性能嵌入式系统技术及应用的若干问题研究[D];南开大学;2010年

3 吴文娟;复杂混沌系统的存在性及动力学特性分析[D];南开大学;2010年

4 罗金火;一般时变Gause-型捕食者—食饵动力系统的持续一致生存性及水华发生机制的动力模型研究[D];复旦大学;2011年

5 魏周超;基于Lorenz型系统族的三维系统的复杂动力学研究[D];华南理工大学;2011年

6 谭建国;泊松白噪声激励下的随机时滞系统的数值解及应用研究[D];天津大学;2010年

7 丁丽娅;信息系统的非线性动力学控制研究[D];天津大学;2010年

8 彭靖;寡头垄断市场价格博弈模型复杂性及其应用研究[D];天津大学;2010年

9 孙光辉;分数阶混沌系统的控制及同步研究[D];哈尔滨工业大学;2010年

10 朱为国;矩形薄板非线性热、磁弹性振动与混沌研究[D];燕山大学;2011年

相关硕士学位论文 前10条

1 王梦蛟;非共振参数混沌控制在微弱信号检测中的应用研究[D];湘潭大学;2010年

2 毛照中;反激开关电源的混沌现象与混沌控制的研究[D];哈尔滨理工大学;2010年

3 段志梅;基于混沌理论的话务量时间序列预测研究[D];昆明理工大学;2008年

4 郭兰英;建设项目全生命环保投资混沌估算方法研究[D];石家庄铁道学院;2010年

5 林延新;参激Duffing-Van der Pol方程的动力学行为及混沌控制与同步的研究[D];东华大学;2011年

6 姜海燕;基于混沌理论的微弱信号检测系统的研究[D];武汉理工大学;2011年

7 樊冰;几种典型混沌同步方法的研究[D];大连理工大学;2011年

8 袁方;几种混沌密码算法的设计与研究[D];大连理工大学;2011年

9 李世兵;斜拉索非线性静动力理论模型及实验[D];大连理工大学;2011年

10 张之光;超混沌系统数字电路设计与仿真[D];江西理工大学;2011年

本文编号：2012692