论文题目：二手车价格智能评估方法及原型系统研究
摘要：随着我国经济的快速发展,二手车市场的规模在不断增大。近年来,消费者的消费观念发生了改变,人们逐渐接受购买和使用二手车这种行为,二手汽车有着良好的接受度。我国二手车的交易量逐年上升,二手车市场具有很大的发展潜力。传统的重置成本法、收益现值法、现行市价法和清算价格法这四种二手车价格评估方法的评估步骤复杂,且评估结果的主观性较强,逐渐地变得相对落后。为了给二手车的交易提供科学的价格参考,提高二手车价格评估方法的科学性和准确性,促进我国二手车市场的健康发展,本文研究了以下内容。首先,建立了一种基于MIV-GA-BP神经网络的二手车价格评估模型。由于二手车具有“一车一况一价”的特点,本文通过对二手车价格影响因素进行研究分析,从微观因素出发选取了二手车的18个特征来建立BP神经网络模型,该神经网络模型能够根据每辆车的特征值来评估二手车价格。为了避免BP神经网络的训练陷入局部极值,使用遗传算法来优化BP神经网络模型的初始权值和阈值,得到GA-BP神经网络模型;然后使用MIV变量筛选法来简化GA-BP神经网络模型的输入得到MIV-GA-BP神经网络模型。通过比较模型的相关系数R和均方误差,验证了本文的MIV-GA-BP神经网络模型比传统的BP神经网络模型有着更高的精度。然后,提出了基于AHP案例推理（Case-Based Reasoning,CBR）的二手车价格评估方法。本文所建立的MIV-GA-BP神经网络模型是用于无事故二手车的价格评估,而基于AHP案例推理的二手车价格评估方法则考虑了二手车的事故情况。基于AHP案例推理的二手车价格评估是根据历史上实际成交的二手车案例来解决当前车辆的价格评估,针对该方法本文设计了基于欧氏距离和三角模糊数的案例检索策略,并使用层次分析法（Analytic Hierarchy Process,AHP）来计算二手车案例各属性的权重值。最后,设计开发了一个二手车价格智能评估原型系统。为了将MIV-GA-BP神经网络模型和基于AHP案例推理的二手车价格评估方法用于实际的二手车价格评估中,同时也为了提高二手车中小企业的信息化管理水平,本文在Py Charm开发环境中基于Flask框架设计开发了一个B/S（Browser/Server）架构的二手车价格智能评估原型系统。该原型系统使用My SQL数据库来存储多个相关的数据表,拥有二手车价格评估、销售管理和库存管理等模块,不仅能对二手车进行精确的价格评估,还可以对二手车中小企业运营过程中的各种信息进行有效管理。
关键词：二手车价格评估;BP神经网络;遗传算法;基于案例推理
学科专业：车辆工程（专业学位）
摘要
Abstract
1 绪论
1.1 研究背景、目的与意义
1.1.1 研究背景
1.1.2 研究的目的与意义
1.2 国内外研究
1.2.1 二手车价格评估研究现状
1.2.2 二手车交易系统研究现状
1.2.3 研究现状分析
1.3 研究内容与论文结构
1.3.1 研究内容
1.3.2 论文结构
1.4 本章小结
2 二手车价格影响因素分析与相关数据获取
2.1 二手车价格影响因素
2.1.1 宏观因素
2.1.2 微观因素
2.2 二手车数据的获取
2.2.1 网络爬虫技术
2.2.2 获取二手车数据
2.3 本章小结
3 基于MIV-GA-BP神经网络的二手车价格评估
3.1 BP神经网络的基本概念与原理
3.2 BP神经网络模型的设计与求解
3.2.1 二手车价格评估指标选取
3.2.2 各评估指标量化标准设定
3.2.3 BP神经网络及各参数的确定
3.2.4 模型训练与结果输出
3.3 基于遗传算法优化BP神经网络
3.3.1 遗传算法的基本概念与原理
3.3.2 GA-BP神经网络的原理
3.3.3 GA-BP神经网络的实现
3.3.4 模型比较分析
3.4 基于MIV变量筛选法改进GA-BP神经网络
3.4.1 平均影响值(MIV)
3.4.2 MIV变量筛选的实现
3.4.3 模型比较分析
3.5 本章小结
4 基于AHP案例推理的二手车价格评估
4.1 基于案例推理技术
4.2 二手车案例库的构建
4.2.1 案例知识获取
4.2.2 二手车案例的表示
4.3 二手车案例的检索策略
4.3.1 最近邻算法
4.3.2 二手车案例模糊属性数值化
4.3.3 二手车案例属性权重
4.3.4 二手车案例相似度计算
4.4 二手车案例的调整和修改
4.5 二手车案例的学习和维护
4.6 本章小结
5 二手车价格智能评估原型系统
5.1 系统设计
5.1.1 系统总体设计思想
5.1.2 系统功能模块设计
5.1.3 数据库设计
5.2 系统的实现和部分功能展示
5.2.1 系统技术特点
5.2.2 用户身份验证与系统主界面
5.2.3 二手车价格评估模块
5.2.4 二手车库存管理模块
5.3 本章小结
6 总结与展望
参考文献
致谢