论文部分内容阅读
城市土地储备对于培育和规范城市土地市场,盘活企业存量土地,增加政府土地收益等方面发挥了积极的作用,但土地储备系统具有高风险性。如何优化土地储备系统,降低系统风险,成为理论界与实务界共同研究的课题。当前主要针对土地储备实施的必要性、作用效果及运行模式等进行了研究,取得了一系列的研究成果,但对于土地储备系统优化方面的研究尚存不足。本文重点讨论土地储备系统优化建模,对其各环节的特性进行定量刻画,论文主要工作和创新如下:(1)利用加速遗传算法(AGA)对BP神经网络进行了改进,并将改进的BP神经网络方法与ARIMA模型进行组合,构建了城市用地需求预测的组合模型,用ARIMA模型预测城市用地需求的线性规律,用改进BP神经网络预测城市用地需求的非线性规律,并提出了城市土地需求预测的流程和步骤。组合预测模型,克服了单个预测方法的固有缺陷,提高了预测精度。(2)在对土地储备问题本质分析的基础上,对所要研究的土地储备问题进行了界定,并进行了符号说明和问题假设。针对土地储备的两种情形,利用随机库存的理论和方法,构建了有限储备资金条件下的土地储备决策模型,并提出了模型的求解方法。该模型能根据不同的土地出让状况,确定出最佳土地储备订购点,来降低土地储备成本,节约土地储备资金。(3)利用模糊规划的原理和方法,基于城市土地储备的机理,在问题界定、符号说明和问题假设的基础上,构建了储备收益目标和储备资金约束允许超过一定限量的两种模糊条件下,如何确定土地储备数量的决策模型,并利用LINDO软件对所构建的模糊规划模型进行了求解。(4)基于群决策的基本原理,利用模糊偏好关系的理论和方法。对一致性导出有序加权平均算子(C-IOWA)进行了改进,提出了双一致性导出有序加权平均算子(DC-IOWA),并将其引入到土地评标的环节之中,构建了土地出让评标的方法和流程。DC-IOWA集结算子较好地克服了评标专家信息在集结过程中的丢失问题,提高了土地出让评标的效率和公正性。