| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·房地产投资风险研究现状 | 第12-14页 |
| ·粒子群算法优化 BP 神经网络的应用现状 | 第14-15页 |
| ·研究内容及方法 | 第15-16页 |
| ·研究内容 | 第15页 |
| ·研究方法 | 第15-16页 |
| ·技术路线及创新点 | 第16-17页 |
| ·技术路线 | 第16页 |
| ·创新点 | 第16-17页 |
| 第2章 房地产投资风险评价的相关理论概述 | 第17-26页 |
| ·房地产投资概述 | 第17-18页 |
| ·房地产投资的含义 | 第17页 |
| ·房地产投资的特征 | 第17-18页 |
| ·房地产投资风险概述 | 第18-19页 |
| ·房地产投资风险的定义 | 第18页 |
| ·房地产投资风险的类型 | 第18-19页 |
| ·风险评价概述 | 第19-25页 |
| ·风险的定义 | 第20页 |
| ·风险的特征 | 第20-21页 |
| ·风险评价的内容 | 第21-22页 |
| ·风险评价的方法 | 第22-24页 |
| ·风险评价的基本步骤 | 第24页 |
| ·风险评价的作用 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 房地产投资风险评价指标体系的建立 | 第26-33页 |
| ·房地产投资风险因素分析 | 第26-31页 |
| ·投资决策阶段风险 | 第26-27页 |
| ·前期阶段风险 | 第27-29页 |
| ·建设阶段风险 | 第29-30页 |
| ·租售管理阶段风险 | 第30-31页 |
| ·房地产投资风险评价指标体系的构建 | 第31-32页 |
| ·房地产投资风险评价指标体系的构建原则 | 第31-32页 |
| ·构建房地产投资风险评价指标体系 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于改进的粒子群算法优化 BP 神经网络 | 第33-45页 |
| ·粒子群算法 | 第33-36页 |
| ·粒子群算法的基本原理 | 第33-34页 |
| ·粒子群算法的流程 | 第34-35页 |
| ·粒子群算法的参数分析 | 第35-36页 |
| ·改进的粒子群算法 | 第36-37页 |
| ·BP 神经网络 | 第37-42页 |
| ·BP 神经网络原理 | 第37-40页 |
| ·BP 神经网络的优势和局限性 | 第40-42页 |
| ·改进的 PSO 算法优化 BP 神经网络 | 第42-43页 |
| ·改进 PSO-BP 算法的基本思想 | 第42页 |
| ·改进 PSO-BP 算法的流程 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 房地产投资风险评价模型的构建与应用 | 第45-61页 |
| ·改进 PSO-BP 模型的建立 | 第45-52页 |
| ·改进 PSO-BP 模型的设计 | 第45-47页 |
| ·数据的收集和处理 | 第47-49页 |
| ·改进 PSO-BP 模型的 MATLAB 实现 | 第49-52页 |
| ·改进 PSO-BP 模型的评价 | 第52-54页 |
| ·改进 PSO-BP 模型的训练 | 第52-53页 |
| ·改进 PSO-BP 模型的检测 | 第53-54页 |
| ·BP 模型的评价 | 第54-56页 |
| ·BP 模型的训练 | 第54-56页 |
| ·BP 模型的检测 | 第56页 |
| ·改进 PSO-BP 模型与 BP 模型的比较分析 | 第56-57页 |
| ·实例分析 | 第57-60页 |
| ·项目概述 | 第57-58页 |
| ·项目风险评价 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简介 | 第66-67页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第67-68页 |