房地产业预警系统的设计与实现

发布时间：2017-08-27 00:24

  本文关键词：房地产业预警系统的设计与实现

  更多相关文章： 房地产 预警 支持向量机 房地产预警系统

【摘要】：房地产行业属于国家的先导性产业,它是国民经济的根本,是国家真实经济水平的体现,它的健康发展是国家经济良性发展的保障。不平衡的房地产发展模式很容易对社会及民族的正常发展造成极大的危害,是不具有长久发展潜力的。近年来,我国房地产行业出现了虚假的“繁荣”现象,使得对于房地产业的预警成为了众多学者研究的新热点,很多的专家、学者分别研究出了不同的评估与分析方法。针对我国房地产的发展现状和高速发展的机器学习以及人工智能技术,本文的研究旨在建立科学的智能房地产业预警体系。根据我国房地产发展的实际情况,结合房地产周期波动成因和周期波动理论,从内因和外因两方面着手,分别分析影响房地产市场的诸多因素,从而科学的构建出房地产指标体系。根据已有的房地产业预警系统的不足,结合机器学习中的支持向量机方法,建立了基于支持向量机的房地产市场预警模型。通过,仿真实验证明,该模型在房地产市场预警的实际应用中是可行且有效的。最后,本文设计与开发了房地产业预警系统,同时将上述基于支持向量机的房地产业预警模型应用到了实际的系统中。在本系统上线后,房地产数据真正的实现智能采集、筛选及预警等要求,使得整个房地产行业透明度得到极大的提高,管理人员随时可以查看本地房地产项目的信息情况;同时政府部门可以对当地房地产市场进行有效的监控,做出及时的预警与决策。
【关键词】：房地产 预警 支持向量机 房地产预警系统
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP277
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-16
• 1.1 课题研究背景及意义11-12
• 1.2 国内外房地产预警系统研究现状12-14
• 1.2.1 国外房地产预警系统研究现状12-13
• 1.2.2 国内房地产预警系统的研究现状13-14
• 1.3 论文结构和分析方法14-15
• 1.3.1 论文的结构14-15
• 1.3.2 论文的分析方法15
• 1.4 小结15-16
• 第2章 房地产预警相关概念与方法16-24
• 2.1 房地产预警知识16-19
• 2.1.1 预警的概念16
• 2.1.2 房地产预警16
• 2.1.3 房地产预警方法16-18
• 2.1.4 房地产预警系统的组成要素18-19
• 2.2 房地产周期波动理论19-21
• 2.2.1 房地产周期波动的成因19-20
• 2.2.2 房地产周期波动的警源20
• 2.2.3 房地产周期波动理论对系统的指导意义20-21
• 2.3 支持向量机21-23
• 2.3.1 支持向量机的发展21-22
• 2.3.2 支持向量机的优点22-23
• 2.4 小结23-24
• 第3章 基于支持向量机的房地产市场预警模型24-33
• 3.1 房地产预警模型的构建24-25
• 3.2 预警指标体系的确立25-28
• 3.3 预警模型的输入和输出28-30
• 3.3.1 支持向量机输入节点的确定28-29
• 3.3.2 支持向量机输出节点的确定29
• 3.3.3 预警模型的训练和检测29-30
• 3.4 预警模型的仿真实验30-32
• 3.5 小结32-33
• 第4章 预警系统的设计与实现33-48
• 4.1 预警系统分析33-34
• 4.2 预警系统设计34-39
• 4.2.1 系统总体设计34-36
• 4.2.2 系统模块设计36-37
• 4.2.3 数据结构设计37-39
• 4.3 系统部分功能实现39-44
• 4.3.1 系统登陆39
• 4.3.2 房地产信息管理39-41
• 4.3.3 房地产预警应用41-43
• 4.3.4 数据备份与恢复43-44
• 4.4 系统部分核心代码44-47
• 4.5 小结47-48
• 第5章 系统测试48-54
• 5.1 系统测试规划48
• 5.2 系统功能测试48-52
• 5.3 系统性能测试52
• 5.4 小结52-54
• 结论54-56
• 参考文献56-59
• 致谢59

【参考文献】

中国期刊全文数据库 前10条

1 刘爽;陈鹏;李锡祚;;用于多类别分类的一种加权超球支持向量机算法[J];微电子学与计算机;2015年01期

2 秦建成;王景舒;;基于综合模拟法的重庆市房地产市场风险评估研究[J];重庆理工大学学报(社会科学);2014年05期

3 庞首颜;陈松;魏建猛;张元胜;;基于类中心的SVM训练样本集缩减改进策略[J];重庆交通大学学报(自然科学版);2014年02期

4 花景新;薄煜明;陈志敏;;基于模糊权重的改进的房地产市场综合评价法[J];济南大学学报(自然科学版);2014年06期

5 夏杰;徐继伟;荆瑞俊;;支持向量机增量学习在污染预测中的研究[J];西北工业大学学报;2014年01期

6 刘毅男;张胜修;张超;;基于递归约简的在线自适应最小二乘支持向量回归机[J];控制与决策;2014年01期

7 姚敏;周潮;;中国经济周期波动的特征和影响因素研究[J];经济问题探索;2013年07期

8 左琳;;序列最小优化工作集选择算法的改进[J];电子科技大学学报;2013年03期

9 王盛;翟青;白雨晨;;上海房地产市场预警的理论模型和实证分析[J];华东师范大学学报(哲学社会科学版);2013年03期

10 王越;吕奇峰;王泉;曾晶;;一种改进的支持向量机序列最小优化算法[J];重庆理工大学学报(自然科学);2013年03期

，

本文编号：743487