当前位置: 首页 > news >正文

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

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);%ppif w==[2 1]pp_total([i i+1],:)=pp_total([i+1 i],:); %pp_total两行交换elsepp([1 2],:)=pp([2 1],:); %pp两行交换 endif (i+2)<=74pp(2,:)=pp_total(i+2,[2:end]);endend
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:qout(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:m1for j=1:m1A1(i,j)=pp(i,t)/pp(j,t);endend[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:mfor j=1:mD(i,j)=D(i,j)/z(j);endendC(:,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:mD1(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 ');
else2
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

相关文章:

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

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&#xff1a; 土地储备&#xff0c;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&#xff0c;依法取得土地&#xff0c;进行前期开发、储存以备供应土地的行为。土地…...

我的编程之路:从非计算机专业到Java开发工程师的成长之路 | 学习路线 | Java | 零基础 | 学习资源 | 自学

小伙伴们好&#xff0c;我是「 行走的程序喵」&#xff0c;感谢您阅读本文&#xff0c;欢迎三连~ &#x1f63b; 【Java基础】专栏&#xff0c;Java基础知识全面详解&#xff1a;&#x1f449;点击直达 &#x1f431; 【Mybatis框架】专栏&#xff0c;入门到基于XML的配置、以…...

Django Cookie和Session

Django Cookie和Session 【一】介绍 【1】起因 HTTP协议四大特性 基于请求响应模式&#xff1a;客户端发送请求&#xff0c;服务端返回响应基于TCP/IP之上&#xff1a;作用于应用层之上的协议无状态&#xff1a;HTTP协议本身不保存客户端信息短链接&#xff1a;1.0默认使用短…...

【算法刷题 | 二叉树 04】3.27(翻转二叉树、对称二叉树、完全二叉树的节点个数、平衡二叉树、完全二叉树的所有路径)

文章目录 6.翻转二叉树6.1问题6.2解法一&#xff1a;递归6.2.1递归思路&#xff08;1&#xff09;确定递归函数的参数和返回值&#xff08;2&#xff09;确定终止条件&#xff08;3&#xff09;确定单层递归的逻辑 6.2.2全部代码 6.3解法二&#xff1a;层序遍历 7.对称二叉树7.…...

【uniapp】uniapp实现免密登录

文章目录 一、概要二、整体架构流程三、技术名词解释四 、技术细节1.存取token有效期&#xff1f;2.使用setStorageSync而不使用setStorage&#xff1f;3.使用onLaunch而不使用全局路由&#xff1f; 一、概要 打开一个网页或小程序的时候&#xff0c;我们有时候会自动进入主页…...

2024-03-27 问AI: 介绍一下深度学习中的 Darknet

文心一言 在深度学习中&#xff0c;Darknet是一个开源的神经网络框架&#xff0c;由Joseph Redmon开发&#xff0c;主要用于实现深度学习算法。它以其高效的实现和速度受到广泛关注&#xff0c;并在许多计算机视觉竞赛中取得了优异的结果。 Darknet的特点包括&#xff1a; 轻…...

POJ3037 + HDU-6714

两道最短路好题 POJ3037 手玩一下 发现每一点的速度可以直接搞出来&#xff0c;就是pow(2,h[1][1]-h[i][j])*V 那么从这个点出发到达别的点的耗费的时间都是上面这个数的倒数&#xff0c;然后直接跑最短路就好了 #include<iostream> #include<vector> #include<…...

Ubuntu搭建环境Cmake-Libtorch-Torchvision-PCL-VTK-OpenCV

Ubuntu搭建环境Cmake-Libtorch-Torchvision-PCL-VTK-OpenCV 安装Cmake安装libtorch安装torchvision安装PCL安装VTK安装OpenCV设置环境变量 仅供本人记录查阅使用 安装Cmake Cmake下载地址 解压 进入目录会看到只有 bin doc man share三个文件夹&#xff0c;没有 bootstrap文…...

分享多种mfc100u.dll丢失的解决方法(一键修复DLL丢失的方法)

在使用电脑过程中&#xff0c;我们经常会遇到一些陌生的DLL文件&#xff0c;例如mfc100u.dll。这些DLL文件是动态链接库&#xff08;Dynamic Link Libraries&#xff09;的缩写&#xff0c;它们包含了可以被多个程序共享的代码和数据。今天&#xff0c;我们将深入探讨mfc100u.d…...

Redis是单线程还是多线程?(面试题)

1、Redis5及之前是单线程版本 2、Redis6开始引入多线程版本&#xff08;实际上是 单线程多线程 版本&#xff09; Redis6及之前版本&#xff08;单线程&#xff09; Redis5及之前的版本使用的是 单线程&#xff0c;也就是说只有一个 worker队列&#xff0c;所有的读写操作都要…...

动态菜单设计

需求&#xff1a; 登录不同用户 显示不同的菜单 思路&#xff1a;根据用户id 左关联表 查询出对应的菜单选项 查询SQL select distinct-- 菜单表 去除重复记录sys_menu.id,sys_menu.parentId, sys_menu.name from -- 权限表sys_menu-- 角色与权限表 菜单表id 角色菜…...

Haproxy负载均衡介绍即部署

haproxy的原理&#xff1a; 提供高可用、负载均衡以及基于TCP&#xff08;四层&#xff09;和HTTP&#xff08;七层&#xff09;应用的代理&#xff0c;支持虚拟主机&#xff0c;开源可靠的一款软件。 适用于哪些负载特别大的web站点&#xff0c;这些站点通常又需要回话保持和七…...

基于大语言模型的云故障根因分析|顶会EuroSys24论文

*马明华 微软主管研究员 2021年CCF国际AIOps挑战赛程序委员会主席&#xff08;第四届&#xff09; 2021年博士毕业于清华大学&#xff0c;2020年在佐治亚理工学院做访问学者。主要研究方向是智能运维&#xff08;AIOps&#xff09;、软件可靠性。近年来在ICSE、FSE、ATC、EuroS…...

Windows直接运行python程序

Windows直接运行python程序 一、新建bat脚本二、新建vbs脚本 一、新建bat脚本 新建bat批处理脚本&#xff0c;写入以下内容 echo off call conda activate pytorch python app.pyecho off&#xff1a;在此语句后所有运行的命令都不显示命令行本身&#xff0c;但是本身的指令是…...

经典应用丨光伏行业扫码追溯新标杆,海康机器人AI智能读码器!

去年&#xff0c;光伏发电行业持续高速发展&#xff0c;我国仅在前九个月累计装机521.08GW&#xff0c;同比增长达到45.3%&#xff0c;已成为第二大电源类型超过水电。根据《2023中国与全球光伏发展白皮书》预测&#xff0c;到2030年&#xff0c;中国能够实现国家规划的风电和光…...

逆流而上的选择-积极生活,逆流而上

首先请大家看一个故事 李明坐在公司的开放式办公区&#xff0c;耳边是键盘敲击声的交响乐&#xff0c;眼前是一行行跳跃的代码。他的眼神有些恍惚&#xff0c;显示器的蓝光在他眼镜上反射出时代的光芒&#xff0c;这光芒既耀眼又刺眼。他即将35岁&#xff0c;在这个年纪&#x…...

SpringMVC基础Controller

文章目录 Controller 的编写和配置1. Controller 注解类型2. RequestMapping 注解类型3. 编写请求方法4. 请求参数和路径变量 Controller 的编写和配置 Controller 注解和 RequestMapping 注解是 Spring MVC 最重要的两个注解。 使用基于注解的控制器的优点如下&#xff1a; …...

spark 参数

spark.yarn.executor.memoryOverhead 默认值是384M Configuration - Spark 3.5.1 Documentation...

java调用jacob进行文件转换ppt转pdf或者png

java调用jacob进行文件转换ppt转pdf或者png 前情提要 最近项目上&#xff0c;遇到一个复杂的ppt&#xff0c;最终要求是要将ppt每一页转成图片原本这个是不难&#xff0c;网上一搜一大堆案例&#xff0c;外加我本身也比较精通aspose&#xff0c;那还不是分分钟搞定。结果就是…...

鸿蒙HarmonyOS应用开发之使用DevEco Studio模板构建NDK工程

NDK通过CMake和Ninja编译应用的C/C代码&#xff0c;编译过程如下图所示。 核心编译过程如下&#xff1a; 根据CMake配置脚本以及build-profile.json5中配置的externalNativeOptions构建参数&#xff0c;与缓存中的配置比对后&#xff0c;生成CMake命令并执行CMake。 执行Ninja…...

Java 语言特性(面试系列1)

一、面向对象编程 1. 封装&#xff08;Encapsulation&#xff09; 定义&#xff1a;将数据&#xff08;属性&#xff09;和操作数据的方法绑定在一起&#xff0c;通过访问控制符&#xff08;private、protected、public&#xff09;隐藏内部实现细节。示例&#xff1a; public …...

云启出海,智联未来|阿里云网络「企业出海」系列客户沙龙上海站圆满落地

借阿里云中企出海大会的东风&#xff0c;以**「云启出海&#xff0c;智联未来&#xff5c;打造安全可靠的出海云网络引擎」为主题的阿里云企业出海客户沙龙云网络&安全专场于5.28日下午在上海顺利举办&#xff0c;现场吸引了来自携程、小红书、米哈游、哔哩哔哩、波克城市、…...

大语言模型如何处理长文本?常用文本分割技术详解

为什么需要文本分割? 引言:为什么需要文本分割?一、基础文本分割方法1. 按段落分割(Paragraph Splitting)2. 按句子分割(Sentence Splitting)二、高级文本分割策略3. 重叠分割(Sliding Window)4. 递归分割(Recursive Splitting)三、生产级工具推荐5. 使用LangChain的…...

视频字幕质量评估的大规模细粒度基准

大家读完觉得有帮助记得关注和点赞&#xff01;&#xff01;&#xff01; 摘要 视频字幕在文本到视频生成任务中起着至关重要的作用&#xff0c;因为它们的质量直接影响所生成视频的语义连贯性和视觉保真度。尽管大型视觉-语言模型&#xff08;VLMs&#xff09;在字幕生成方面…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

基于Docker Compose部署Java微服务项目

一. 创建根项目 根项目&#xff08;父项目&#xff09;主要用于依赖管理 一些需要注意的点&#xff1a; 打包方式需要为 pom<modules>里需要注册子模块不要引入maven的打包插件&#xff0c;否则打包时会出问题 <?xml version"1.0" encoding"UTF-8…...

RSS 2025|从说明书学习复杂机器人操作任务:NUS邵林团队提出全新机器人装配技能学习框架Manual2Skill

视觉语言模型&#xff08;Vision-Language Models, VLMs&#xff09;&#xff0c;为真实环境中的机器人操作任务提供了极具潜力的解决方案。 尽管 VLMs 取得了显著进展&#xff0c;机器人仍难以胜任复杂的长时程任务&#xff08;如家具装配&#xff09;&#xff0c;主要受限于人…...

STM32HAL库USART源代码解析及应用

STM32HAL库USART源代码解析 前言STM32CubeIDE配置串口USART和UART的选择使用模式参数设置GPIO配置DMA配置中断配置硬件流控制使能生成代码解析和使用方法串口初始化__UART_HandleTypeDef结构体浅析HAL库代码实际使用方法使用轮询方式发送使用轮询方式接收使用中断方式发送使用中…...

【Linux手册】探秘系统世界:从用户交互到硬件底层的全链路工作之旅

目录 前言 操作系统与驱动程序 是什么&#xff0c;为什么 怎么做 system call 用户操作接口 总结 前言 日常生活中&#xff0c;我们在使用电子设备时&#xff0c;我们所输入执行的每一条指令最终大多都会作用到硬件上&#xff0c;比如下载一款软件最终会下载到硬盘上&am…...

用鸿蒙HarmonyOS5实现中国象棋小游戏的过程

下面是一个基于鸿蒙OS (HarmonyOS) 的中国象棋小游戏的实现代码。这个实现使用Java语言和鸿蒙的Ability框架。 1. 项目结构 /src/main/java/com/example/chinesechess/├── MainAbilitySlice.java // 主界面逻辑├── ChessView.java // 游戏视图和逻辑├──…...