2014年认证杯SPSSPRO杯数学建模C题(第一阶段)土地储备方案的风险评估全过程文档及程序

news2024/11/19 3:44:31

2014年认证杯SPSSPRO杯数学建模

C题 土地储备方案的风险评估

原题再现:

  土地储备,是指市、县人民政府国土资源管理部门为实现调控土地市场、促进土地资源合理利用目标,依法取得土地,进行前期开发、储存以备供应土地的行为。土地储备工作的具体实施,由土地储备机构承担。土地储备的基本步骤如下:
  第一步:土地储备中心对拟征用储备地块进行调查摸底,并进行前期定界测量工作;
  第二步:根据拟征收储备地块的摸底材料情况,提交用地预审申请及相关文件资料,经批准后进行预审。
  第三步:被征收土地所在国土局根据拟征用储备地块的摸底材料,准备征地报批资料(主要是土地储备项目可研报告,见附件一),并会同预审意见一同上报;
  第四步:征地经政府批准后,市储备中心负责筹集资金,公告并实施征地协议的签订和补偿工作;
  第五步:储备中心向规划局申请定点和编制控制性规划;
  第六步:征地程序完成后,将征为国有的土地存入政府储备库,并按照规划实施前期开发和配套建设。
  这几年来,通过实施土地收储及招拍挂,在增加地方财政收入,改善城市基础设施建设,提高土地市场的公平性和透明性方面起到了积极的作用。但是,土地收储也成为金融风险的关键环节。由于在土地收储过程中,需要动用大量的资金,而这种资金如果单纯依靠有限的财政资金是不现实。再加上,当前我国的金融产品较为单一,土地银行、土地债券、土地信托等新型的金融产品至今仍待字闺中。于是在地方政府及其财政背书的情况下,土地收储机构往往大量利用银行的授信贷款、抵押贷款等各种渠道的信贷资金收储土地。而这些资金在土地市场活跃向好的情况下,风险不易显现。而当土地市场疲软之时,极易因所收储的土地无法变现而导致金融风险的集中暴发。
  第一阶段问题:
  问题 1 附件二是某省级土地储备中心从收到的土地储备项目可研报告中提取的数据,请利用这些数据,建立合理的数学模型,为土地储备部门提供一个比较实用的土地储备方案的风险评估方法。
  问题 2 由于近些年,土地市场的活跃性降低,加之一些土地储备项目可研报告有人为修改的情况存在,所以土地储备部门也有意识的将一些风险较大的项目退回。请利用你的风险评估方法对附件二中的方案进行风险评估,将 10 个风险最大的项目提供给土地储备部门退回,并从模型的角度,指出造成这 10 个项目风险较大的原因。

整体求解过程概述(摘要)

  土地资源作为现今稀缺资源之一影响着国家的经济发展。实施土地收储对经济发展起到了积极的作用的同时,也带来了一些金融风险,因此土地储备方案的风险评估越来越受到相关部门的重视。本文应用了多种分析模型对某省级土地储备中心的储备项目进行了风险评估。
  首先对所给的材料进行分析,并综合考虑影响土地储备的风险因素,结合我国的土地政策,分选出对土地储备风险影响较大的因素,将各个影响因子赋予一定的权重,得到一个风险评估的综合指标,在此基础上应用层次分析法分析了各个影响因子的权重系数,得出了一个能够综合考虑各方面影响因子的合理评价指标。为了使评估更精确,本文还建立了基于熵权的灰色关联法模型,分别对各个影响因子的权重做了进一步的校核,得到了一个对风险评估更为准确的评价标准。
  对于问题 2,应用上述的风险评价标准,选取 74 组方案中的各项指标,应用基于熵权的灰色关联法模型进行评价,找出了 10 个风险最大的项目,结合实际情况对结果进行了分析。

问题分析:

  本题的关键是在附件中所给数据的基础上,在网上查找相关的资料,分析出对于土地储备风险影响较大的一些因素, 综合考量这些影响因素,并对各个风险影响因子做出权重分析,进而得出一个有效的可综合评价土地储备方案风险的评价指标。利用评价指标对已有的土地储备方案做出评价,并结合实际情况进一步解释其评价的合理性。
  由于此问题是一个离散模型的评价问题,鉴于评价分析算法有很多种,我们需要对不同的分析算法进行取舍,同时为了减小由于算法本身缺陷而导致的评价误差,需要应用至少两种分析方法进行比较。针对该评价问题的特点,结合已有的数据和评价算法的优缺点,拟采用层次分析法进行评价指标的确定,并采用基于熵权的灰色关联法模型对上述结果进行改进,最终得到一个较为实用的土地储备方案的风险评估方法。
  对于附件二中给出的各个方案,应用层次分析法及基于熵权的灰色关联法模型,提取方案二中对土地储备风险影响较大的财务净现值(FNPV)、财务内部受益率(FIRR)、动态回收周期(Pt)、项目投资总额估算以及通过数据处理计算得到的收益投入比等影响因子来作为层次分析中的准则层,各个方案作为层次分析中的方案层,将综合风险得分指标值作为目标层,最终得到各个方案的目标层排序,即得出了一个对各个方案评价的综合风险得分指标。由于考虑到层次分析法的主观性太强,本文还建立了基于熵权的灰色关联法模型,对风险评价结果进行了改进,最后结合实际情况对该评价指标的合理性进行了说明。
  对于问题一,储备土地风险的影响因素是一个关键点,储备土地主要的风险在于利率风险、财务风险、经营风险、政策风险、市场风险等,在查找到的数据中遴选出较为重要的影响因素是正确评价风险的先决条件,而层次分析法可以先将复杂问题分解为若干层次和若干因素,在各因素之间进行简单的比较和计算,就可以得出不同方案的权重,为最佳方案的选择提供依据,结合本题的特点,选择了层次分析法。

模型假设:

  1、假定该省的房产价格在近五年内没有剧烈的波动。
  2、国家的经济发展水平持续保持稳定增长。
  3、该地区在未来的一段时间不会出现重大的自然灾害。
  4、假设本文中所有数据都是真实可靠的。

论文缩略图:

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

clear
clc
RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51,1.54,1.56,1.58,1.59];
A_total=xlsread('E:\book2.xlsx'); %把8*8的表格按指定文件名放在指定位置
pp_total=xlsread('E:\book1.xlsx');%把74*8的表格按指定文件名放在指定位置
A=A_total(:,:);
pp=pp_total([1 2],[2:end]);
pp_total(:,1);
q=74;
for j=1:(q-1)
 pp=pp_total([1 2],[2:end]);
 for i=1:(q-j)
 [B C w CR1 CR2_1 CR]=fenxi(pp,A);
 %pp
 if w==[2 1]
 pp_total([i i+1],:)=pp_total([i+1 i],:); %pp_total两行交换
 else
 pp([1 2],:)=pp([2 1],:); %pp两行交换 
 end
 if (i+2)<=74
 pp(2,:)=pp_total(i+2,[2:end]);
 end
 end
end 
%pp_total(1:q,1) %如果需要显示完整排名请删除本行开头的百分号
pp_total(1:50,1)'
disp(' 层析分析-冒泡比较法 ');
disp(' 以上序号的方案风险最高 ');
for i=1:q
 out(i,1)=q+1-i;
 out(i,2)=pp_total(i,1);
end
xlswrite('E:\\ccfx.xlsx', out);
在main函数中所调用的层次分析法程序部分:
function [B C w CR1 CR2_1 CR]=fenxi(pp,A)
%A为C层对O层的比较矩阵;pp为P对C的评价;
RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51,1.54,1.56,1.58,1.59];

[m1,n1]=size(pp);%m1为人数,n1为选择项数;
 for t=1:n1%求取P对C的比较矩阵
 for i=1:m1
 for j=1:m1
 A1(i,j)=pp(i,t)/pp(j,t);
 end
 end
 [D,X]=eig(A1); 
 [m,m]=size(D); %求出矩阵的行和列
 [q1,q]=max(max(X));
 z=sum(D); %列向量归一
 for i=1:m
 for j=1:m
 D(i,j)=D(i,j)/z(j);
 end
 end
 C(:,t)=D(:,q); %P对C的权重
 %%%%%%%%%求取p对c层的一致性检验;
 xx=n1;
 CI2(t)=(q1-m1)/(m1-1);
 CR2(t)=CI2(t)/RI(xx);
 end
CR2_1=sum(CR2);%求取p对c层的一致性检验;
[D1,X1]=eig(A);%D1是特征向量,X1是特征值
[m,m]=size(D1); %求出矩阵的行和列
[q2,q]=max(max(X1));
z1=sum(D1); %列向量归一
for i=1:m%归一化
 for j=1:m
 D1(i,j)=D1(i,j)/z1(j);
 end
end
B=D1(:,q);%C对O最大特征根对应的特征向量
W=C*B;
for k=1:length(W)%排序;
 [g,r]=min(W);
 temp=W(r);
 w(k)=r;
 W(r)=+inf;
end
%%%%%%%%%%%%%%%%%%%%%下面是求取指标检验C对O层检
验%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51,1.54,1.56,1.58,1.59];
yy=length(B);
CI1=(q2-yy)/(yy-1);
CR1=CI1/RI(yy);
%%%%%%%%%%%总检验%%%%%%%%%%%%%%%%%
CR=CR1+CR2_1;
%%%%%%%%%%总检验%%%%%%%%%%%%%%%%%%
%B %C对O检验,最大特征根对应的特征向量
%C %C为P对准则层的权重
%w %最终排名
%CR1
%CR2_1
%CR
if(CR1<1&CR2_1<1&CR<1)
 %disp(' 层次分析法检验正确,满足层次分析 ');
else
 2
end
全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1549918.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

⼗多种免费Unity VR资源⼯具

1、VRTK是⼀种⾼效的VR⼯具包&#xff0c;⽤于在Unity3d中快速构建VR解决⽅案VRTK - Virtual Reality Toolkit - [ VR Toolkit ] | Integration | Unity Asset StoreUse the VRTK - Virtual Reality Toolkit - [ VR Toolkit ] from Sysdia Solutions Ltd on your next project.…

PyTorch-----torch.nn.Softmax()函数

Softmax原理 Softmax 函数是一种常用的激活函数&#xff0c;通常用于多分类问题中。它将一个含有多个实数值的向量&#xff08;通常称为 logits&#xff09;转换成一个概率分布&#xff0c;使得每个元素都在 (0, 1) 区间内&#xff0c;并且所有元素的和为 1。 假设我们有一个实…

YOLOv5实战记录02 模型检测

本人记录打卡&#xff0c;不够自习&#xff0c;慎看。 今天主要学了计组和计网&#xff0c;YOLO简单打个卡。 指路大佬&#xff1a;【手把手带你实战YOLOv5-入门篇】YOLOv5 模型检测_哔哩哔哩_bilibili 1. 主要讲了几个关键参数&#xff1a; 图源你可是处女座 运行示例&#…

iOS17 隐私协议适配详解

1. 背景 网上搜了很多文章&#xff0c;总算有点头绪了。其实隐私清单最后做出来就是一个plist文件。找了几个常用三方已经配好的看了看&#xff0c;比着做就好了。 WWDC23 中关于隐私部分的更新&#xff08;WWDC23 隐私更新官网&#xff09;&#xff0c;其中提到了第三方 SDK 的…

SeaTunnel 与 DataX 、Sqoop、Flume、Flink CDC 对比

产品概述 Apache SeaTunnel 是一个非常易用的超高性能分布式数据集成产品&#xff0c;支持海量数据的离线及实时同步。每天可稳定高效同步万亿级数据&#xff0c;已应用于数百家企业生产&#xff0c;也是首个由国人主导贡献到 Apache 基金会的数据集成顶级项目。 SeaTunnel 主…

阿里云ubuntu服务器搭建可视化界面

连接终端 最好初始化服务器的时候 不要以root权限创建 否则会出错 1更新软件: sudo apt-get update2安装ubuntu desktop : sudo apt-get install ubuntu-desktop3 配置ubuntu desktop并重启: sudo apt-get -f install sudo dpkg-reconfigure ubuntu-desktop sudo reboot4 su…

STM32使用HAL库SPI驱动W25Q16 使用FATFS文件系统+USB虚拟U盘

概述 使用stm32F407驱动W25Q16&#xff0c;使用FATFS文件系统&#xff0c;USB虚拟优盘功能&#xff0c;W25Q16一共512个扇区&#xff0c;其中128作为flash存取相关数据&#xff0c;其他的384个扇区用作虚拟U盘使用 CubeMax配置过程 代码 W25Q16.c /***********************…

【深度学习】语义分割(FCN网络/DeepLabV3网络)学习记录

up主学习视频地址&#xff1a; 【语义分割前言】 https://www.bilibili.com/video/BV1ev411P7dR/?share_sourcecopy_web&vd_source49d7ac1e09d11f99978e8cf36c8bad41 这个up主真的很厉害&#xff0c;宝藏up主呀&#xff01;&#xff01;&#xff01; 常见语义分割评价指…

强化安全防护:升级桌面网管软件提升医院信息系统安全

在当今信息化发展的时代&#xff0c;医院作为重要的医疗服务机构&#xff0c;对终端设备的管理尤为重要。然而&#xff0c;随着国家对医院终端管理的要求日益提高&#xff0c;传统的桌面网管软件已经难以满足现代医院的需求。针对这一现状&#xff0c;升级桌面网管软件已成为当…

喜报|珈和科技入选2023“武汉未来之星TOP100”

近日&#xff0c;由清科创业旗下创业与投资资讯平台——“投资界”发起评选的《2023武汉未来之星TOP100》《2023武汉龙门榜TOP30》两大企业评选结果在武汉市举办的“科创点金汇投融资对接会”上隆重揭晓&#xff0c;珈和科技成功入选“2023武汉未来之星TOP100”榜单。 此次榜…

Unity角色多人同步

1.位置同步和状态同步&#xff1a;需要同步的节点上挂载脚本&#xff1a; gameObject.AddComponent<SyncTransform>(); ; //同步gameObject.GetComponent<SyncTransform>().syncId SyncUtilFunc.GetRoleSyncId(PlayerData.Instance.PlayerId); //同步gameObject.G…

PyTorch----torch.nn.init.kaiming_normal_

神经网络为什么要进行权重初始化&#xff1f; 神经网络进行权重初始化的目的在于促进网络的有效训练和收敛。正确的权重初始化可以帮助缓解梯度消失或梯度爆炸等问题&#xff0c;并且有助于加速训练过程。以下是权重初始化的几个重要原因&#xff1a; 1. **避免梯度消失或梯度…

锂离子电池SOC预测 | python代码实现基于Basisformer时间序列锂离子电池SOC预测研究

概述 基于Basisformer时间序列的锂离子电池SOC(State of Charge,即电池的荷电状态)预测研究,是一项结合深度学习和时间序列分析的前沿技术。该研究的目的是利用Basisformer模型对锂离子电池的SOC进行准确预测,从而提高电池使用效率,延长电池寿命,并优化能源管理系统。 …

unity学习(73)——服务器异常--无法处理 123类型的数据包

服务器发送回的数据包&#xff0c;客户端根本读不出来&#xff0c;type都读不出来&#xff0c;拖了三天&#xff0c;把客户端翻了个底朝天&#xff0c;发现客户端一点问题都没有&#xff01; 所有的问题不是unity的模型问题&#xff0c;就是socket网络通信中断&#xff01; 1…

大文件压缩多个小文件

压缩 压缩后 压缩后&#xff0c;符合上传大小规范

矢量(向量)数据库

矢量(向量)数据库 什么是矢量数据库&#xff1f; 在人工智能领域&#xff0c;大量的数据需要有效的分析和处理。随着我们深入研究更高级的人工智能应用&#xff0c;如图像识别、语音搜索或推荐引擎&#xff0c;数据的性质变得更加复杂。这就是矢量数据库发挥作用的地方。与存…

Kafka详细教程(一)

总体目录 1、什么是消息队列 消息队列&#xff0c;英文名&#xff1a;Message Queue&#xff0c;经常缩写为MQ。从字面上来理解&#xff0c;消息队列是一种用来存储消息的队列 。来看一下下面的代码 // 1.创建一个保存字符串的队列Queue<String> queue new LinkedList&…

ssm小区车库停车系统开发mysql数据库web结构java编程计算机网页源码eclipse项目

一、源码特点 ssm小区车库停车系统是一套完善的信息系统&#xff0c;结合springMVC框架完成本系统&#xff0c;对理解JSP java编程开发语言有帮助系统采用SSM框架&#xff08;MVC模式开发&#xff09;&#xff0c;系统具有完整的源代码和数据库&#xff0c;系统主要采用B/S模…

开源博客项目Blog .NET Core源码学习(12:App.Application项目结构分析)

开源博客项目Blog的App.Application项目主要定义网站页面使用的数据类&#xff0c;同时定义各类数据的增删改查操作接口和实现类。App.Application项目未安装Nuget包&#xff0c;主要引用App.Core项目的类型。   App.Application项目的顶层文件夹如下图所示&#xff0c;下面逐…

k8s入门到实战(七)—— 回顾:使用yaml文件配置pv、pvc、configmap部署mysql服务

实战&#xff1a;部署 mysql 服务 回顾加深 pv、pvc、configmap 删除所有 deployment、pv、pvc、configmap、StorageClass创建一个 nsf 挂载目录给 mysql mkdir -p /nfs/data/mysql创建 yaml 文件mysql-server.yaml # 创建pv apiVersion: v1 kind: PersistentVolume metadat…