基于主成分分析的RBF神经网络预测算法及其应用

发布时间：2017-12-09 13:07

  本文关键词：基于主成分分析的RBF神经网络预测算法及其应用

  更多相关文章： 主成分分析 多元线性回归 神经网络 RBF神经网络

【摘要】：房地产，从狭义的层次上理解，包括房地产所占有的土地，，地上部分以及地下部分的各种建筑物；而地产从广义的层次上理解，即，从经济利益的层次上理解，是指一种财产，包括房地产本身的财富，房地产本身带来或者引起的各种权益，以及在房地产上进行各种经营活动。 在社会主义市场经济体制下，我国的房地产行业已经出现了一套合理的运行体制，体现了欣欣向荣的繁荣景象。房地产行业是一个综合性的产业，它包含有以下各个流程产业，首先是土地开发，第二步是房屋建设，第三步是房屋维修，第四步是房屋管理。它还关系着其他的产业，例如，土地使用权的有偿转化更名，住房房屋所有权的买卖，房屋所有权的租赁，房屋房地产的抵押，由房地产引起的贷款等各种产业。 房地产价格一直是民众关注的重点问题，房地产，是一种商品，是商品就有价格，价格随着价值上下波动。房地产又是一种特殊的商品，房地产价格持续走高，是多种因素产生的结果。房地产有需求，那么就有市场，而价格又是由需求和供应同时决定的。房地产不同于其他的商品，它还受其他因素的影响，例如，政府的宏观调控，通货膨胀，汇率的改变等等。 本文研究的数据来自于《中国统计年鉴》中跟房地产相关的统计数据。 本文主要建立了房地产预测模型，研究房价与其所在城市多个房地产相关指标的关系。即，由本年度的房地产相关指标数据预测下一年度的房价。 本文的研究理论包括主成分分析算法，多元线性回归算法，以及RBF神经网络算法。主成分分析算法，是指利用降维的思想，将多个变量转化成少数主成分的过程。RBF神经网络即径向基函数(Radial Basis Function)神经网络，一种性能良好的前向网络。它具有最佳逼近性能，训练方法快速易行，不存在局部最优问题。 本文在这些算法的基础上，提出了一种基于主成分分析的RBF神经网络预测算法，该算法首先对数据进行主成分分析，达到降维的目的，然后对数据进行RBF神经网络预测。该算法结合了主成分分析和RBF神经网络算法的优势，利用了主成分分析达到降维，从而使得RBF神经网络的输入节点减少，浓缩了主要信息，消除了冗余信息。 将多元线性回归算法、RBF神经网络算法和本文提出的基于主成分分析的RBF神经网络预测算法，均用于建立房地产价格预测模型，经过建模，将得到的三种预测结果对比分析，发现本文提出的基于主成分分析的RBF神经网络预测算法预测效果比较好。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183

【参考文献】

中国期刊全文数据库 前6条

1 曹婷;郑源;;风力机故障诊断神经网络特征参数确定方法[J];排灌机械工程学报;2014年03期

2 杜洪;夏欣;琚生根;王能;;基于PCA图像压缩算法研究与实现[J];四川大学学报(自然科学版);2014年05期

3 王万荣;毛承志;皇甫仁杰;李建周;;基于多元线性回归法估算车辆外部环境温度[J];汽车电器;2014年10期

4 魏光辉;;基于RBF神经网络的河川年径流量预测[J];西北水电;2014年05期

5 李发权;杨立才;颜红博;;基于PCA-SVM多生理信息融合的情绪识别方法[J];山东大学学报(工学版);2014年06期

6 黄泽锋;;改进RBF神经网络在泵站机组故障诊断中的应用[J];水电站机电技术;2014年06期

本文编号：1270486