基于改进BP神经网络的住宅房价格分析研究

发布时间：2024-07-11 03:34

　　市场经济的迅速发展,我国的房地产市场日益活跃,逐步走向完善。与此相关的房地产估价业务在地产市场中扮演着重要的角色,并迅速发展壮大,服务范围越发宽广；房地产估价对于推动房地产价格正常化、保障公平交易、建立健康的市场体系具有不可估量的作用。当前我国的房地产估价研究尚处于探索阶段,很少建立数学模型进行定量化评估,因而积极寻找更为科学的评估方法具有重要的理论意义和实践意义。 本文首先系统论述当前房地产价格评估中应用比较广泛的方法：市场比较法、成本法、收益法,对这些估价方法的特点、应用条件和范围进行系统的分析。分析了传统估价方法在处理房地产影响因素与成交价格的非线性关系上存在的不足之处。 其次,系统介绍人工神经网络的基本思想、网络结构及其训练算法,并对BP神经网络算法进行论述和推导,对BP神经网络的改进算法进行了总结和分析。人工神经网络具有非线性函数动态处理能力、自组织、自适应和自学习的功能,可用作建模的工具。 第三,在前人研究基础上,论证人工神经网络理论在房地产估价应用的可行性,利用神经网络超强的非线性关系处理能力,从大量的训练样本寻找客观规律,构建房地产估价的神经网络模型。 最后,在估价模型...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景
    1.2 研究意义
    1.3 研究现状
    1.4 研究内容
    1.5 小结
第二章 房地产价格影响因素和评估方法
    2.1 房地产价格理论
        2.1.1 房地产价格的概念
        2.1.2 长期市场供求价格机制论
        2.1.3 短期市场供求价格机制论
    2.2 房地产价格影响因素
        2.2.1 房地产价格影响因素的分类
        2.2.2 房地产价格的主要影响因素
    2.3 房地产估价方法
        2.3.1 市场比较法的基本原理
        2.3.2 成本法的基本原理
        2.3.3 收益法的基本原理
    2.4 小结
第三章 神经网络理论基础
    3.1 神经网络概述
        3.1.1 生物神经元及特征
        3.1.2 人工神经元模型
    3.2 BP神经网络
        3.2.1 BP神经元
        3.2.2 BP神经网络的算法
        3.2.3 BP网络学习规则
    3.3 BP神经网络的不足及改进
        3.3.1 BP神经网络存在的问题
        3.3.2 BP算法的改进
    3.4 小结
第四章 价格评估神经网络模型
    4.1 神经网络估价原理
    4.2 神经网络估价流程设计
    4.3 BP神经网络的设计
        4.3.1 输入输出变量的确定
        4.3.2 网络层数的确定
        4.3.3 隐含层单元数的确定
        4.3.4 网络结构参数的确定
    4.4 小结
第五章 MATLAB的房地产估价神经网络模型实现
    5.1 MATLAB概述
    5.2 基于MATLAB的BP神经网络工具箱函数
        5.2.1 BP网络创建函数
        5.2.2 神经元上的传递函数
        5.2.3 BP网络学习函数
        5.2.4 BP网络训练函数
    5.3 房地产估价神经网络程序的实现
        5.3.1 数据的准备
        5.3.2 数据处理
        5.3.3 网络学习
    5.4 基于改进的BP网络模型实现
    5.5 小结
第六章 结论与展望
    6.1 研究主要工作和结论
    6.2 不足和展望
参考文献
攻读学位期间发表论文
附录
致谢



本文编号：4005189