声明
摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 房地产投资风险研究现状
1.2.2 粒子群算法优化BP神经网络的应用现状
1.3 研究内容及方法
1.3.1 研究内容
1.3.2 研究方法
1.4 技术路线及创新点
1.4.1 技术路线
1.4.2 创新点
第2章 房地产投资风险评价的相关理论概述
2.1 房地产投资概述
2.1.1 房地产投资的含义
2.1.2 房地产投资的特征
2.2 房地产投资风险概述
2.2.1 房地产投资风险的定义
2.2.2 房地产投资风险的类型
2.3 风险评价概述
2.3.1 风险的定义
2.3.2 风险的特征
2.3.3 风险评价的内容
2.3.4 风险评价的方法
2.3.5 风险评价的基本步骤
2.3.6 风险评价的作用
2.4 本章小结
第3章 房地产投资风险评价指标体系的建立
3.1 房地产投资风险因素分析
3.1.1 投资决策阶段风险
3.1.2 前期阶段风险
3.1.3 建设阶段风险
3.1.4 租售管理阶段风险
3.2 房地产投资风险评价指标体系的构建
3.2.1 房地产投资风险评价指标体系的构建原则
3.2.2 构建房地产投资风险评价指标体系
3.3 本章小结
第4章 基于改进的粒子群算法优化BP神经网络
4.1 粒子群算法
4.1.1 粒子群算法的基本原理
4.1.2 粒子群算法的流程
4.1.3 粒子群算法的参数分析
4.2 改进的粒子群算法
4.3 BP神经网络
4.3.1 BP神经网络原理
4.3.2 BP神经网络的优势和局限性
4.4 改进的PSO算法优化BP神经网络
4.4.1 改进PSO-BP算法的基本思想
4.4.2 改进PSO-BP算法的流程
4.5 本章小结
第5章 房地产投资风险评价模型的构建与应用
5.1 改进PSO-BP模型的建立
5.1.1 改进PSO-BP模型的设计
5.1.2 数据的收集和处理
5.1.3 改进PSO-BP模型的MATLAB实现
5.2 改进PSO-BP模型的评价
5.2.1 改进PSO-BP模型的训练
5.2.2 改进PSO-BP模型的检测
5.3 BP模型的评价
5.3.1 BP模型的训练
5.3.2 BP模型的检测
5.4 改进PSO-BP模型与BP模型的比较分析
5.5 实例分析
5.5.1 项目概述
5.5.2 项目风险评价
5.6 本章小结
结论与展望
致谢
参考文献
作者简介
攻读硕士学位期间发表的论文及科研成果
河北工程大学;