基于合理遗忘历史样本的房地产价格非线性预测
发布时间:2018-05-08 21:23
本文选题:房地产价格 + 时间序列 ; 参考:《统计与决策》2015年19期
【摘要】:为了更好地了解房地产价格变化趋势,针对房地产价格的时变性以及样本之间的时间相关性,文章提出一种基于合理遗忘历史样本的房地产价格的预测模型(RF-ELM)。首先采用相空间重构对房产价格样本进行重构,对隐藏于房产价格数据间的信息进行深入挖掘,恢复房产价格时间序列原动力系统,然后通过引入遗忘因子减弱旧训练样本影响,并以泛化能力作为模型的评价准则,对极限学习机输出权值进行选择性更新,最后进行了仿真分析。结果表明,RF-ELM的房地产价格学习速度预测性能优于对比模型,获得了更加理想的房地产价格预测效果。
[Abstract]:In order to better understand the change trend of real estate price, aiming at the time variation of real estate price and the time correlation between samples, this paper presents a prediction model of real estate price based on reasonable forgotten historical sample. Firstly, the phase space reconstruction is used to reconstruct the real estate price sample, and the information hidden in the real estate price data is deeply excavated to restore the real estate price time series power system. Then, by introducing the forgetting factor to weaken the influence of the old training samples and taking the generalization ability as the evaluation criterion of the model, the output weights of the LLM are selectively updated. Finally, the simulation analysis is carried out. The results show that the performance of RF-ELM in predicting real estate price learning speed is better than that of contrast model, and a more ideal effect of real estate price prediction is obtained.
【作者单位】: 湖南工程学院管理学院;
【基金】:国家自然科学青年基金项目(D010204) 湖南省重点学科建设项目([2011]76号) 湖南省工程学院人才启动基金项目
【分类号】:F299.23
【参考文献】
相关期刊论文 前7条
1 梁坤;聂会星;徐枞巍;;基于支持向量机的北京市房地产价格指数预测[J];合肥工业大学学报(自然科学版);2011年04期
2 李万庆;张金水;孟文清;;基于小波神经网络的房地产价格指数预测研究[J];河北工程大学学报(自然科学版);2008年01期
3 张弦;王宏力;;基于贯序正则极端学习机的时间序列预测及其应用[J];航空学报;2011年07期
4 周亮;周正;;基于时间序列的房地产价格指数预测方法探讨[J];哈尔滨商业大学学报(社会科学版);2008年02期
5 杨励雅;邵春福;;基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法[J];吉林大学学报(工学版);2008年03期
6 高光勇;蒋国平;;采用优化极限学习机的多变量混沌时间序列预测[J];物理学报;2012年04期
7 柳冬;王雯s,
本文编号:1863100
本文链接:https://www.wllwen.com/jingjilunwen/fangdichanjingjilunwen/1863100.html