基于BP神经网络的上海市共有产权保障房需求预测研究
发布时间:2017-08-24 08:15
本文关键词:基于BP神经网络的上海市共有产权保障房需求预测研究
更多相关文章: 共有产权房 BP神经网络 灰色关联分析 灰色预测
【摘要】:共有产权房自2007年引入我国后得到了迅速发展,从近期的政策动向来看,国家也有意大力推广共有产权房。作为一种新生事物,如何确定共有产权房的供应量是各个城市面临的一个重要问题。合理的供应量应使共有产权房的供给和需求相匹配,避免出现供给不足以及建设过剩。要解决这个问题要需要以确定共有产权房的需求量为前提。上海作为建设共有产权房较早的城市,其各项运行制度比较成熟,在全国具有较好的参考意义,因此本文以上海市为例,对共有产权房的需求量进行研究并对其进行预测。本文首先分析了共有产权房的特点及其优势,我国共有产权房的试点情况,介绍了上海市共有产权房的运营模式以及供给和需求状况。然后剖析了共有产权房需求的形成逻辑,将影响需求量的因素分成了8个类别,并从中初步选取了19个影响因素。其次,使用上海市共有产权房的运营数据,运用灰色关联分析筛选出9个影响需求量的主要因素,并运用灰色预测GM(1,1)模型对这9个主要影响因素进行了预测。再次,以这9个主要影响因素为输入变量,共有产权房销售面积为输出变量构建了BP神经网络预测模型,并将9个输入变量的预测值带入BP神经网络模型对共有产权房的销售量进行了预测。最后,本文定量分析了改变申请共有产权房的收入标准和共有产权房的价格对需求量的影响,发现提高收入标准会提高共有产权房的需求量;提高价格会降低共有产权房的需求量,在此基础上提出了调控需求量的策略。本文首次对共有产权房的需求进行了研究,并突破了以往对共有产权房的研究大多为定性分析的局限,引入了定量研究的方法。通过对需求量的预测以及制定的需求量调控策略,政府可以同时从需求和供给两端调节供需关系,实现共有产权房的供需匹配,提高保障资源的使用效率。本文对需求量进行预测的方法和制定需求量调控策略的方法具有可推广性,期望对其他城市制定共有产权房的建设计划具有借鉴意义。
【关键词】:共有产权房 BP神经网络 灰色关联分析 灰色预测
【学位授予单位】:西安建筑科技大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:F299.23;TP183
【目录】:
- 摘要3-5
- ABSTRACT5-10
- 1 绪论10-20
- 1.1 研究背景及问题提出10-12
- 1.2 研究目的及意义12-13
- 1.2.1 研究目的12-13
- 1.2.2 研究意义13
- 1.3 国内外研究现状13-16
- 1.3.1 国外研究现状13-15
- 1.3.2 国内研究现状15-16
- 1.4 研究内容与方法16-20
- 1.4.1 研究内容16-17
- 1.4.2 研究方法17-18
- 1.4.3 研究技术路线18-20
- 2 相关理论及预测方法20-38
- 2.1 共有产权房相关理论20-23
- 2.1.1 共有产权房概念20-21
- 2.1.2 共有产权房特征21-23
- 2.1.3 共有产权房需求量定义23
- 2.2 预测方法选取23-26
- 2.2.1 预测方法比选23-25
- 2.2.2 预测思路25-26
- 2.3 需求量预测模型——BP神经网络预测模型26-31
- 2.3.1 人工神经网络相关概念26-29
- 2.3.2 BP神经网络原理29-31
- 2.4 需求量影响因素筛选模型——灰色关联分析模型31-33
- 2.4.1 灰色关联分析原理31-32
- 2.4.2 灰色关联分析步骤32-33
- 2.5 需求量影响因素预测模型——灰色预测GM(1,1)模型33-38
- 2.5.1 模型原理33-34
- 2.5.2 模型构建34-35
- 2.5.3 模型检验35-38
- 3 上海市共有产权房发展现状38-52
- 3.1 我国共有产权房试点情况38-40
- 3.2 上海市共有产权房运营模式40-47
- 3.2.1 管理架构40-41
- 3.2.2 房源建设41-42
- 3.2.3 定价和确定产权份额42-44
- 3.2.4 申请和供应44-46
- 3.2.5 退出管理46-47
- 3.3 上海市共有产权房供给和需求状况47-52
- 3.3.1 供给状况47-49
- 3.3.2 需求状况49-52
- 4 上海市共有产权房需求量影响因素分析52-64
- 4.1 影响因素结构分析52-54
- 4.2 影响因素初步选取54-58
- 4.3 影响因素筛选58-64
- 5 上海市共有产权房需求量预测64-82
- 5.1 需求量BP神经网络预测模型构建64-72
- 5.1.1 确定网络结构64-65
- 5.1.2 选择激活函数65-67
- 5.1.3 设置训练规则67-69
- 5.1.4 样本数据预处理69-70
- 5.1.5 训练网络70-72
- 5.2 需求量影响因素预测72-76
- 5.3 共有产权房需求量预测76-77
- 5.4 需求量调控策略77-82
- 5.4.1 收入标准对需求量的调控78
- 5.4.2 价格对需求量的调控78-82
- 6 结论与展望82-84
- 6.1 研究结论82
- 6.2 研究不足与展望82-84
- 参考文献84-90
- 攻读硕士期间发表的论文90-92
- 附录92-95
- 附录Ⅰ影响因素筛选原始数据92-94
- 附录Ⅱ影响因素预测原始数据94-95
- 致谢95
本文编号:730180
本文链接:https://www.wllwen.com/jingjifazhanlunwen/730180.html