认证杯数学建模竞赛获奖论文

1、参赛队号# 2900第七届“认证杯”数学中国数学建模网络挑战赛承诺书我们仔细阅读了第七届“认证杯”数学中国数学建模网络挑战赛的竞赛规则。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网 上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参 考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规 则的行为，我们接受相应处理结果。我们允许数学中国网站（

2、）公布论文,以供网友之间学习交流，数学中 国网站以非商业目的的论文交流不需要提前取得我们的同意。我们的参赛队号为：2900参赛队员（签名）：队员1:张安成队员2:勾旭东队员3:郑子嫣参赛队教练员（签名）：李石涛参赛队伍组别：本科组第七届“认证杯”数学中国数学建模网络挑战赛编号专用页参赛队伍的参赛队号：（请各个参赛队提前填写好）：2900竞赛统一编号（由竞赛组委会送至评委团前编号）：竞赛评阅编号（由竞赛评委团评阅前进行编号）：2014年第七届“认证杯”数学中国 数学建模网络挑战赛第一阶段论文题 目土地储备方案的风险评估关键词土地储备主成分分析层次分析法 风险函数风险评估摘 要：本文针对土地在收储

3、过程中存在一定的金融风险这一问题，综合运用了单一变量分 析、多元统计等方法，建立了主成分分析模型和层次分析法模型，利用excels matlab软件及c语言程序进行求解，进而构造了土地储备方案的风险函数，并利用该风险函数， 分别对附件二中给出的数据进行统计分析，从而找出10个风险最大的项目，并给出了造成这10个项目风险较大的原因。首先，我们分析了单一变量对土地储备方案的风险的影响。我们利用exce欧件，分别绘制了 74组方案当中的收购储备面积、动态回收周期、总收储成本、预期收益的 对比图，粗略的得出与土地储备方案风险有关的主要因素，即收购储备面积，总收储成 本以及预期收益。得出影响风险的主要因

4、素后，我们继续利用exce欧件，计算得出单位储备面积的成本以及收益，进而绘制出单位储备面积内，收益与成本的对比图，得出 74组方案的收益与成本的差值范围。其次，我们建立主成分分析模型，利用matla颤件进行相关系数的计算，相对准确 的找出与土地储备方案的风险有关的主要因素，并构造了土地储备方案的风险函数，即s=0.264x1+0.422x2-0.313x3其中，s表示加权之和，即风险总值，x1表示收购储备面积，x2表示总收储成本，x3 表示预期收益。随后，我们根据构造的土地储备方案的风险函数s=0.264x1+0.422x2-0.313x3,将74组方案当中的相关数据代入，得出 74组风险函数

5、值，我们将 74组数据值输入到c 语言程序中，设计从大到小顺序排列的程序，得出前 10名的数据，与之对应的项目即 为10个风险最大的项目，方案序号分别为10、37、47、50、51、57、60、64、66、74,而造成风险较大的原因大都是收购储备面积过大，总存储成本过高或预期收益较小。最后，为了保证所建立模型的可行性以及计算结果的可靠性，我们对所建立的模型 进行了检验。因为土地储备方案风险评估是一个决策问题，所以也可用层次分析法进行 求解。于是我们又建立了层次分析法模型，利用matla啾件进行求解，得出影响土地储备风险的三个主要因素分别为收购储备面积，总收储成本和预期收益，这一结果验证 了主成

6、分分析模型的可行性和风险函数计算结果的可靠性。参赛队号：2900所选题目：c题参赛密他（由组委会填写）央文摘要upon the problem that there are certain financial risks in land purchasing and banking, principal component analysis model and analytic hierarchy process model are established in this paper through comprehensive application of single variable an

7、alysis and multivariate statistical methods. excel, matlab and c language program are used to solve and build the risk function of land banking projects. the data provided in attachment 2 are statistically analyzed based on the risk function, so as to find out the ten projects with the biggest risks

8、. thereafter, the reasons leading to the risks of these ten projects are explained correspondingly.first, the influence of single variable on the risks of land banking projects is analyzed. excel is applied to draw the comparison diagrams of purchasing and banking area, dynamic recovery cycle, total

9、 purchasing and banking cost and prospective earnings for the 74 projects, so as to roughly find out the main factors related to the risks of land banking projects, that is, purchasing and banking area, total purchasing and banking cost and prospective earnings. after that, the cost and earnings of

10、unit banking area are calculated with excel, and the comparison diagrams of cost and earnings for unit banking area are drawn, so as to obtain the scope of difference in cost and earning of these 74 projects.second, the principal component analysis model is established, and matlab is used to calcula

11、te the correlation coefficient, thus more accurately deciding the main factors associated with the risks of land banking projects. the risk function of land banking projects is also decided, namelys = 0.264 x1 + 0.422 x2 - 0.313 x3following that, the relevant data of 74 projects are substituted into

12、 the risk function of land banking projects: s = 0.264 x1 + 0.422 x2 -0.313 x3, so as to obtain 74 risk function values. these values are then input to c language program, which is designed to list the values in the descending order, to get the top ten values. so, the projects corresponding to these

13、 values are believed to be the top ten projects with the biggest risks. these projects are project no. 10, no. 37, no. 47, no. 50, no. 51, no.57, no. 60, no.64, no. 66, and no. 74. the reasonsfor the big risks include too large purchasing and banking area, too high total banking cost or relatively l

14、ow prospective earnings.finally, the model is tested for its feasibility and the reliability of the calculation results. considering that risk evaluation of land banking projects is a decision-making problem, the analytic hierarchy process is resorted to. therefore, the analytic hierarchy process mo

15、del is built, and matlab is applied for solutions. the three main factors influencing the risks of land banking projects are land purchasing and banking area, total purchasing and banking cost and prospective earnings. this result proves the feasibility of the principal component analysis model and

16、the reliability of the calculation results of the risk function.参赛队号# 2900一、问题重述（一）相关背景实施土地收储及招拍挂，虽然增加了地方财政收入，改善了城市基础设施建设，提 高了土地市场的公平性和透明性。但是，土地收储也是金融风险的关键环节。在土地收 储过程中，需要动用大量的资金，如果单纯依靠有限的财政资金是不现实的。同时，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还 未兴起。于是在地方政府授权的情况下，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

17、这些资金在土地市场活跃的情况下，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。图1 土地储备的基本步骤（二）相关信息与数据1、土地储备项目可研报告（详见原题的附件一）2、土地储备方案数据（详见原题的附件二）（三）要解决的问题1、问题一：利用原题给出的数据，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。2、问题二：利用得出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。二、问题分析1、问题的总体分析设计土地储备方案

18、的风险评估方法属于一个决策问题，需要按照一定的准则或原则， 在若干种方案中选出最合适的。我们根据原题给出的相关数据，建立了层次分析法模型 和主成分分析模型，构造了土地储备风险的函数，进而得出风险评估的方法。2、问题一的分析问题一需要我们根据附件二给出的数据，建立合理的数学模型，进而得出风险评估的方法。针对此问题，我们首先分析整理了附件二提供的数据， 建立了层次分析法模型， 运用matla敢件，对与土地储备方案风险有关的数据进行筛选，忽略次要因素，保留 三个主要因素。其次，我们建立了主成分分析模型，对三个主要因素进行分析，运用 matla颤件进行计算，得出三个主要因素的权重，进而得出计算土地储备

19、方案风险的函 数。3、问题二的分析问题二属于一个决策问题，我们运用得出的计算土地储备风险的函数，将附件二给 出与三个主要因素相关的74组数据代入风险函数，得出74组解，其中有10组解是不 符合要求的，即为10个风险最大的项目。三、模型假设1、只考虑金融风险，其他风险暂不考虑。2、经济相对稳定，不会发生通货膨胀或通货紧缩等情况。3、省市政府的土地政策不会有较大变动。4、涉及拆迁补偿的人口总数不变。5、银行贷款的利率不变。四、符号说明在舁 厅p符号符号说明1s风险总值2c权重3x每组数据变量4x1收购储备面积5x2总收储成本估算6x3预期收益7rij两变量的相关系数8r协方差矩阵9入i特征值10z

20、i主成分11m数据方差的平均数12入 max最大特征根13ww 2)归一化特征向量14ci(2)tc性指标15crr一致性比率五、模型的建立与求解（一）对于问题1我们首先利用exce欧件对附件二给出的数据进行统计分析，得出单一变量与土地 储备方案风险有关的定性结论。各万案收购储备面积对比20000000:10000000收购储备面积（平方米）序号73 96566157359454413733925221171395图2各方案收购储备面积对比从图2中可以发现，各方案收购储备面积不尽相同，有的方案收购储备面积之间差 异很大，因此可以判定，收购储备面积与土地储备方案的风险有一定关系。12图3动态回收

21、周期散点图从图3中可以发现，74组方案的动态回收周期大多数都集中在 1.5年，因此可以得 出结论，动态回收周期对土地储备方案风险的影响不大，可以不考虑动态回收周期这个 因素。将道萃冬旗图4总收储成本对比从图4可以发现，各方案总收储成本之间差异非常大，由此断定， 74组方案的总收 储成本估算也是影响土地储备方案风险的因素之一。预期收益对比图5预期收益对比从图5可以看出，74组方案中，各预期收入存在较大差异，所以预期收益也应该是 影响土地储备方案风险的因素之一。00000 o o2 1v四之乜其处g 1.7 25 33 41 4g 57 65 73涉及拆迁补偿人口对比序号涉及拆迁补偿人 c户）图6

22、涉及拆迁补偿人口数从图6中可以看出，虽然大部分的方案不涉及拆迁人口，但还是有部分方案涉及到 拆迁人口，这就涉及到了政策风险，而并不单单是金融风险。因此，拆迁补偿人口也是 影响土地储备方案风险的因素之一。本文主要针对金融风险进行研究，所以拆迁人口补 偿情况暂不考虑。我们将总收储成本和预期收益分别与收购储备面积作商，得到单位储备面积的成本 和收入。表1单位储备面积成本和单位储备面积收入方案序号123456789单位储备 面积成本0.010.030.020.110.020.020.240.020.02单位储备 面积收入0.020.040.030.150.030.040.310.020.02方案序号1

23、01112131415161718单位储备 面积成本0.0030.080.030.170.070.020.020.020.07单位储备 面积收入0.0050.100.050.210.090.030.020.030.10方案序号19201212212324252627单位储备 面积成本0.020.020.040.010.090.06单位储备 面积收入0.040.050.060.020.020.08方案序号282930313233343436单位储备 面积成本0.020.020.030.030.030.020.020.020.09单位储备 面积收入0

24、.030.040.040.040.040.030.030.030.12方案序号373839404142434445单位储备 面积成本0.010.060.080.030.110.080.020.020.08单位储备 面积收入0.010.080.110.030.030.12方案序号464748495051525354单位储备 面积成本0.080.010.030.020.0070.010.060.070.13单位储备 面积收入0.110.020.050.030.010.010.090.110.16方案序号555657585960616263单位储备 面积成本0.030.030

25、.0030.020.030.010.030.110.02单位储备 面积收入0.050.050.0040.030.040.020.040.140.02方案序号646566676869707172单位储备 面积成本0.010.040.020.130.070.07单位储备 面积收入0.020.050.050.190.280.25方案序号73741单位储备 面积成本0.070.03单位储备 面积收入0.100.05单位储备面积的收入与成本对比招牌is麻颦单型o 6 0.0 05 40.0.o o oo o 0.单位储备面积收入（万 元/平方米）单位储备面

26、积成本（万 元/平方米）图7单位储备面积的收入与成本对比通过图7可以看出，单位储备面积中，收入与成本的差值越大，说明土地储备方案风险越小；反之，两者差值越小，说明风险越大，图7可以简单、笼统的分析出与土地储备方案风险有关的因素。分析了单一变量对土地储备方案风险的影响之后，我们忽略一些次要因素，保留主 要因素。随后我们需要考虑多元因素对土地储备方案风险的影响。我们建立了主成分分 析模型，确定主要因素的权重，进而构造出土地储备方案风险的函数。1 .模型简介主成分分析法是一种数学变换的方法，它把给定的一组的相关变量通过线性变换转 成另一组不相关的变量，这些新的变量按照方差一次递减的顺序排序。在数学变

27、换中保 持变量的总方差不变，使第一个变量具有最大的方差，称之为第一主成分；第二个变量 的方差次大，并且与第一个变量不相关，称之为第二主成分；以此类推。主成分分析把 原有的多因素的问题，通过分析筛选出少数几个主要有代表性的少数因素的一种统计分 析方法，也是一种降维处理方法。2 .模型建立根据主成分分析法对可能引起风险的变量进行加权处理，由表可知，共有74组数据,用s表示加权之和，即风险总值，用 c表示权重，用x表示每组数据变量，且变量之间 不相关，可得到如下函数关系：s1=c11x1+c12x2+c13x 31pxps2=c21x2+c22x2+c23x 32pxps74=c741x1+c742

28、x2+c743x3+ c74pxp由原变量xi、x2计算出任意两变量的相关系数、(xkj-xi x xkj-xj )d._ k = 1rij%(xkj-xi )(xkj-xj )2(d(2) k = 1则有相关系数矩阵为i riiri2 |21122r =.,rf中,17411742根据协方差矩阵r求出特征值、主成分贡献率和累计方差贡献率，确定主成分个数。 解特征方程(3)求出特征值入i (i=1 , 2,，p)。因为r是正定矩阵，所以其特征值 入i都为正 数，将其按大小顺序排列，即x1 x2 - xi 0o特征值是各主成分的方差，它的 大小反映了各个主成分的影响力。主成分 zi的贡献率wi为

29、 jwi =- (4)、 jj =1累计贡献率wz为n二jwz=j(5)p 1 jj 1根据选取主成分个数的原则，特征值要求大于1且累计贡献率达80%-95崛特征值入1,入2,，入n所对应的1, 2,，n (np),其中整数n即为主成分的个数，这里n值为3.建立 初始因子载荷矩阵，解释主成分。因子载荷量是主成分 zi与原始指标xi的相关系数r(zi, xi),揭示了主成分与各财务比率之间的相关程度，利用它可较好地解释主成分 的经济意义。在此我们引入协方差这一概念，协方差分析是建立在方差分析和回归分析基础之上 的一种统计分析方法，在这个问题上，我们已经考虑到表中数据的贡献率，经过不断的 筛选，将

30、数据简化成两组，现要确定其相关系数，即两个变量对于主成分的影响大小， 首先将数据进行处理，求出每两组数据之间的差值，再求其方差，两组数据均求出后， 再进行协方差运算，这样可以保证数据的有效性，因为表中数据具有特殊性，分析其变化对于主成分的影响会更加合理。协方差与方差之间有如下关系：d(x+y尸d(x)+d(y)+2cov(x, y)(6)d(x-y尸d(x)+d(y)-2cov(x, y)(7)因此，cov(x, y)=e(xy)-e(x)e(y)(8)想要求协方差，应先未出数据的方差，若 x1,x2,x3xn的平均数为m,则方差为sa2=1/n(x1-m)a2+(x2-m)a2+.+(xn-

31、m)a2(9)利用此公式可以将每两组数据之差的方差计算出来，再进行协方差运算，确定两组变量的比例关系，对于每一个i ,均有ci1+ci2+ci3=1.可以通过公式算出 ci1=0.264,ci2=0.422,ci3=0.313.因为预期收益与土地存储面积、总收储成本的期望趋势相反，所以取 ci3=-0.313 。由以上分析可知，主要风险因素有收购储备面积x1,总收储成本估算x2以及预期收益x3,则有s=ci1x1+ci2x2-ci3x3(10)所以可得出如下计算表达式来表达风险总值，s=0.264x1+0.422x2-0.313x3(11)其中，s表示加权之和，即风险总值，x1表示收购储备面积

32、，x2表示总收储成本，x3 表示预期收益。因此，我们通过建立模型得出实用的土地储备方案的风险评估方法是一个风险函数， 即为s=0.264x1+0.422x2-0.313x3(12)(二)对于问题2我们根据构造的土地储备方案的风险函数s=0.264x1+0.422x2-0.313x3(13)将74组方案当中的相关数据代入，得出 74组风险函数值, 如下表：表2各方案风险值方案序号123456789风险值78468.5732072.9463100.0619896.00139377.80130969.149383.55144818.47131494.09方案序号101112131415161718风

33、险值633701.5736153.56117441.9721501.5550954.31260225.09269149.39249646.9265504.95方案序号192021222324252627风险值208323.89178691.69118431.20581533.60236556.7641932.8426552.8149849.3280925.22方案序号282930313233343536风险值223800.72199177.33158461.58166197.82152484.78275403.76246112.05203443.3247535.76方案序号3738394041

34、42434445风险值793747.7781837.9363827.20163044.7548496.7278023.10361199.49315308.3981831.79方案序号464748495051525354风险值119517.05841271.07576254.42396721.832011774.1884905.47145801.43124241.4474192.43方案序号555657585960616263风险值262356.13262356.134393706.0541703.24337042.43595876.44330021.8681898.41579844.96方案序

35、号646566676869707172风险值736229.88248135.16878068.8398308.63263004.21524857.76139726.56108857.63126746.43方案序号7374风险值316028.25628606.00风险值对比5000000.004000000.00风险值序号犁 3000000. 00会g 2000000. 001000000. 000. 001 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73图8风险值对比我们将74组数据值输入到c语言程序中，按从大到小的顺序排列，得出前 10

36、名的 数据，与之对应的项目即为10个风险最大的项目，分别为如下表。表3 10个风险最大的项目方案序号1037475051风险值633701.57793747.77841271.072011774.11884905.47方案序号5760646674风险值4393706.04595876.44736229.88878068.83628606.00这10个项目风险较大的原因如下表表4项目风险较大的原因方案序号1037485051原因收购储备面积 过人收购储备面积 大，预期收入 少收购储备面积 大，预期收入 少收购储备面积 大，成本高收购储备面积 大，成本高方案序号5760646674原因收购储备面积

37、 大收购储备面积 大，成本高收购储备面积 过大收购储备面积 过大，成本高收购储备面积 过人六、模型的检验因为土地储备方案的风险评估属于决策优化问题，利用层次分析法也能够有效的对 问题进行求解。于是我们建立了层次分析法模型，通过进一步的分析问题，求解结果， 来对主成分分析模型进行检验。我们运用层次分析法，把问题分解为一系列元素，并按 照这些元素之间的属性、关系，将其区分为三个层次。上一层次的元素作为准则，支配 下一层次的元素。最高层为目标层，中间层为准则层，最底层为方案层。1 .模型简介层次分析法是将半定性、半定量问题转化成定量问题的一种有效方法，其本质是一种层次化结构，通过逐层比较，确定决策方

38、案相对重要度的总排序， 从而为分析、决策、 预测或控制事物的发展提供定量依据。2 .模型的建立(1)建立层次结构图根据题意，可建立如下图所示的层次结构图第一层为目标层q 土地储备方案的风险最小第二层为准则层c:与土地储备方案风险有关的6个素，分别为动态回归周期，项目投 资总额，涉及拆迁补偿人口，预期收益，出让计划，项目规划用途。第三层为方案层p: 74组土地储备方案图9 土地储备方案风险最小层次结构图(2)确定准则层对目标层的权重向量构造准则层c对目标层o的两两比较矩a如下:1123 2163 .模型的求解这是一个6阶的正互反矩阵，用和法计算可得 a的最大特征根为九max=6.1232,相 应

39、的归一化特征向量为w=0.3794 ,0.2488,0.1604 ,0.1024,0.0655 ,0.0434 )t(13)一致性指标为ci =(max-6)/(6-1)(14)(14)式结果为0.0246,随机一致性指标ri=1.24,一致性比率cr(2)=c 1( 2)/ri (2)(15)(15)式结果为0.0198，小于1,通过一致性检验，所以 w2)可以作为准则层对目标层 的权重向量。将权重w2)的6个分量分别作为与土地储备方案风险有关的6个因素，取影响较大的前三个因素，分别为预期收益，项目投资总额和收购储备面积。我们通过建立层次分析法模型，进一步确定了影响风险的主要因素，检验了主成

40、分 分析法模型的合理性。七、模型的评价（一）模型的优点：1 .我们建立的模型，基本上能够有效地完成对土地储备方案的风险评估。2 .本文运用层次分析法模型来检验主成分分析模型，使求得的结果更加可靠。3 .我们通过建立的模型，能够找出土地储备方案中 10个风险最大的项目。（二）模型的缺点：1 .我们不能把所有的因素都考虑到模型中去，只能把一些次要因素忽略。2 .我们建立的模型，可能与实际情况有些出入，考虑的情况可能不全面。八、模型的推广我们所建立的模型，使用范围相对较广，适合于解决那些难于完全用定量方法处理 的问题，可以应用到制定计划、资源分配、选优排序、军事管理、决策预报等领域。参考文献1韩中庚

41、，数学建模实用教程，北京：高等教育出版社，2012.2王宏州，数学建模方法进阶，北京：清华大学出版社，2013.3周义仓，数学建模实验，西安：西安交通大学出版社，2009.4赵东方，数学模型与计算，北京：科学出版社， 2007.5司守奎，数学建模算法与应用，北京：国防工业出版社，2011.6王中鲜，matla建模与仿真应用，北京：机械工业出版社，2010.附录1:74组方案数据风险评估函数s1=c1x1 1+c2x2-c3x31s2=c1x1 2+c2x2-c3x32s3=c1x1 3+c2x2-c3x33s4=c1x1 4+c2x2-c3x34s5=c1x1 5+c2x2-c3x35s6=c

42、1x1 6+c2x2-c3x36s7=c1x1 7+c2x2-c3x37s8=c1x1 8+c2x2-c3x38s9=c1x1 9+c2x2-c3x39s10=c1x1 1o+c2x2o-c3x31os11=c1x1 11+c2x21-c3x311s12=c1x1 12+c2x22-c3x312s13=c1x1 13+c2x23-c3x313s14=c1x1 14+c2x24-c3x314s15=c1x1 15+c2x25-c3x315s16=c1x1 16+c2x26-c3x316s17=c1x1 17+c2x27-c3x317s18=c1x1 18+c2x28-c3x318s19=c1x1

43、 19+c2x29-c3x319 s20=c1x1 2o+c2x2o-c3x32o s21=c1x1 21+c2x&-c3x321 s22=c1x1 22+c2x22-c3x322 s23=c1x1 23+c2x23-c3x323 s24=c1x1 24+c2x24-c3x324 s25=c1x1 25+c2x25-c3x325 s26=c1x1 26+c2x26-c3x326 s27=c1x1 27+c2xa-c3x327 s28=c1x1 28+c2x28-c3x328 s29=c1x1 29+c2x29-c3x329 s3o=c1x1 3o+c2x2o-c3x33o s31=c1x1 3

44、1+c2x21-c3x331 s32=c1x1 32+c2x22-c3x332 s33=c1x1 33+c2x23-c3x333 s34=c1x1 34+c2x24-c3x334 s35=c1x1 35+c2x25-c3x335 s36=c1x1 36+c2x26-c3x336 s37=c1x1 37+c2x27-c3x337 s38=c1x1 38+c2x28-c3x338 s39=c1x1 39+c2x29-c3x339 s4o=c1x1 4o+c2x2o-c3x34。 s41=c1x1 41+c2x21-c3x341 s42=c1x1 42+c2x22-c3x342 s43=c1x1 4

45、3+c2x23-c3x343 s44=c1x1 44+c2x24-c3x344 s45=c1x1 45+c2x25-c3x345 s46=c1x1 46+c2x26-c3x346 s47=c1x1 47+c2x27-c3x347参赛队号# 2900s48=c1x1 48+c2x28-c3x348s49=c1x1 49+c2x29-c3x349s50=c1x1 5o+c2x2o-c3x35os51=c1x1 5i+c2x2i-c3x35is52=c1x1 52+c2x22-c3x352s53=c1x1 53+c2x23-c3x353s54=c1x1 54+c2x24-c3x354s55=c1x1

46、 55+c2x25-c3x355s56=c1x1 56+c2x26-c3x356s57=c1x1 57+c2x27-c3x357s58=c1x1 58+c2x28-c3x358s59=c1x1 59+c2x29-c3x359s60=c1x1 6o+c2x2o-c3x36os61=c1x1 6i+c2x2i-c3x36is62=c1x1 62+c2x22-c3x362s63=cixi 63+c2x23-c3x363s64=cixi 64+c2x24-c3x364s65=cixi 65+c2x25-c3x365s66=cixi 66+c2x26-c3x366s67=cixi 67+c2x27-c3

47、x367s68=cixi 68+c2x28-c3x368s69=cixi 69+c2x29-c3x369s70=cixi 7o+c2x2o-c3x37os7i=cixi 7i+c2x2i-c3x37is72=cixi 72+c2x22-c3x372s73=cixi 73+c2x23-c3x373s74=cixi 74+c2x24-c3x374附录2:单位存储面积成本与单位存储面积收入序 号收购储备面积（平 方米）总收储成本估算 （万元）预期收益（力兀）单位存储面积成 本（力兀/平方米）单位存储面积收 入（力兀/平方米）i300000.003482.447032.000.0i0.022i2079

48、7.204i66.675034.690.030.043239765.925i78.4976i4.9i0.020.03475333.808400.00ii300.070.ii0.i55535300.00850i.68i7664.900.020.036506544.00849i.602026i.760.020.04735000.008350.60i0800.000.240.3i8549778.9i86i3.02i2644.920.020.029498835.008627.5ii2265.690.020.02io240i200.008349.42ii944.680.0030.005iii36334.

49、02iiooo.ooi43i5.070.080.i0i2450000.00i200i.7220520.000.030.05i380000.00i3364.80i6800.000.i70.2ii4i9i847.43i3390.72i7074.420.070.09i3参赛队号# 290015990725.6815881.4325650.000.020.03161019878.4316711.0422845.280.020.0217952730.8716758.5628581.930.020.0318249536.0016700.0023705.920.070.1019800400.0016680.

50、8032016.000.020.0420691000.0016781.6034550.000.020.0521450000.0018150.8225650.000.040.06222220011.1016882.4037296.190.010.0223900000.0016700.9625850.000.020.0324157637.0016731.2021546.000.110.1425102400.7917848.032560526188446.0017008.5522613.520.090.1227306668.2016976.7123001.150.060.082

51、8850975.9316904.6025529.280.020.0329761000.0017074.8028537.500.020.0430600000.0016834.3222500.000.030.0431630200.0018128.0025000.000.030.0432579300.0016978.8024330.600.030.04331046189.5018198.9927061.470.020.0334940000.0016899.8029328.000.020.0335771826.0017105.6824080.970.020.0336179755.0016722.9622289.620.090.12373010838.0017387.52p 27000.