首页--天文学、地球科学论文--测绘学论文--一般性问题论文--测绘数据库与信息系统论文

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

摘要第4-5页
Abstract第5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

论文共69页,点击 下载论文
上一篇:凤凰岛东侧海域冲淤演变及其应用
下一篇:基于WebGIS的油田地面工程地理信息系统研究与实现