GA-LM算法改进BP神经网络模型在延安市城区基准地价更新中的应用研究

发布时间：2017-10-06 16:07

  本文关键词：GA-LM算法改进BP神经网络模型在延安市城区基准地价更新中的应用研究

  更多相关文章： GA-LM算法 B-P神经网络 基准地价更新 延安市

【摘要】：基准地价是政府宏观调控土地市场的重要手段，地价的确定对一个城市的经济发展乃至民生具有十分重要的意义。由于地价影响因素众多，，每个影响因素权重的确定以及基准地价评价模型的选择具有很大的主观性、经验性与不确定性，传统的地价评估方法往往费时费力、智能化以及功能化程度低。因此另辟蹊径，研究新的评估模型对解决现阶段基准地价更新工作中的问题具有一定借鉴与参考价值。 B-P神经网络作为人工网络的核心部分，由于具有独特的学习能力和信息并行分布处理的优势，被广泛应用于各行各业的研究领域中。神经网络非常适合解决主观性强同时智能化低的多影响因素下的不精确、信息模糊性问题，这就决定了B-P神经网络应用于基准地价更新的可行性与合理性。由于B-P神经网络本身也具有一定缺陷，如何对其进行改进，并能成功地解决实际应用问题也是相关领域的研究热点。 本文在深入分析基准地价影响因素、评价模型的基础上，从遗传算法和Levenberg-Marquardt算法的特点和计算过程出发，尝试性地研究了一种基于遗传算法和Levenberg-Marquardt算法相结合改进B-P神经网络的基准地价评估方法，分析论证了所提方法的合理性与可行性，并将其成功应用到延安市城区基准地价评估的实际工作中。
【关键词】：GA-LM算法 B-P神经网络 基准地价更新 延安市
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P208;TP18
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-15
• 1.1 引言8-9
• 1.2 研究背景和研究意义9-12
• 1.2.1 国外基准地价研究现状9-10
• 1.2.2 我国基准地价研究现状10-12
• 1.3 研究内容以及技术路线12-15
• 1.3.1 研究内容12
• 1.3.2 研究方法和技术路线12-15
• 第二章 基准地价评估理论15-22
• 2.1 基准地价概述15-16
• 2.1.1 基准地价概念15
• 2.1.2 基准地价更新及其必要性15-16
• 2.1.3 基准地价更新的原则16
• 2.2 基准地价更新流程16-18
• 2.3 基准地价评估方法18-20
• 2.3.1 传统基准地价评估方法18-19
• 2.3.2 数学模型在基准地价评估中的应用19-20
• 2.4 神经网络在基准地价评估中的优势20-22
• 第三章 B-P 神经网络及其改进22-42
• 3.1 神经网络22-27
• 3.1.1 神经网络的概述22-23
• 3.1.2 神经网络模型23-27
• 3.2 B-P 神经网络27-33
• 3.2.1 B-P 神经网络结构28-29
• 3.2.2 B-P 算法原理29-32
• 3.2.3 B-P 算法的步骤32-33
• 3.3 B-P 神经网络的缺陷33-34
• 3.4 L-M 算法改进标准 B-P 神经网络34-37
• 3.4.1 Levenberg-Marquardt 算法概述34-35
• 3.4.2 L-M 算法结构35-36
• 3.4.3 L-M 算法具体步骤36-37
• 3.5 GA 算法优化 B-P 神经网络37-42
• 3.5.1 遗传算法简介37
• 3.5.2 遗传算法的结构37-39
• 3.5.3 遗传算法具体步骤39-40
• 3.5.4 遗传算法与 B-P 神经网络的融合40-42
• 第四章 基于 B-P 神经网络的基准地价评估模型实例42-65
• 4.1 研究区概况42-43
• 4.1.1 地理位置与历史沿革42
• 4.1.2 自然环境条件42
• 4.1.3 社会经济条件42-43
• 4.2 基于 B-P 神经网络的城镇基准地价评估思路43-45
• 4.3 城镇基准地价影响因素的分级与量化处理45-50
• 4.3.1 商服繁华度46-47
• 4.3.2 交通条件47-48
• 4.3.3 基础设施状况48-49
• 4.3.4 年租金49-50
• 4.4 基于 B-P 神经网络的土地估价模型的建立50-65
• 4.4.1 数据的采集和预处理50-53
• 4.4.2 模型构架和参数选取53-56
• 4.4.3 LM 算法改进 B-P 神经网络56-58
• 4.4.4 GA 算法优化 B-P 神经网络权值、阈值58-59
• 4.4.5 改进的 B-P 神经网络基准地价评估模型59-65
• 第五章 结论65-66
• 5.1 论文总结65
• 5.2 存在的问题以及展望65-66
• 参考文献66-69
• 致谢69

【参考文献】

中国期刊全文数据库 前5条

1 周德华;李婧;王俊亮;;论基准地价更新与城市发展[J];安徽地质;2007年02期

2 刘晋钢,韩燮,李华玲;BP神经网络改进算法的应用[J];华北工学院学报;2002年06期

3 陈龙;于盛林;;遗传神经网络在模拟电路故障诊断中的应用[J];计算机仿真;2007年09期

4 高文志;人工神经网络的发展、研究内容及应用综述[J];山东电子;1998年04期

5 叶斌,雷燕;关于BP网中隐含层层数及其节点数选取方法浅析[J];商丘职业技术学院学报;2004年06期

中国博士学位论文全文数据库 前1条

1 吴令;基于GA-NN和不可逆热力学的钢中氧化物夹杂预报模型[D];东北大学　;2009年

本文编号：983700