基于遗传算法优化的BP神经网络对房价预测的研究

发布时间：2023-04-23 02:20

　　随着房地产行业的发展,国家、社会和个人都对房价比较关注。而影响房价的因素有很多,除国家的调控外,还有一些不可控因素的存在,其中采光、户型、环境等都对房价有一定程度的影响,导致房地产市场变动很大。因此研究一种精度高的预测房价的模型就有了实际的意义,其中神经网络已然成为了一种新型的预测方法。在BP神经网络和MATLAB工具箱函数的理论基础上,选取了506组与波士顿房价有关的数据,对数据做归一化处理和降维分析。随机选择其中的406组数据作为训练数据,调整参数,建立BP神经网络模型,用训练好的网络预测房价。然而,传统的BP神经网络虽然具有很强的非线性映射能力,但在预测过程中耗时长、预测效果差、易陷入局部最优,且传统的遗传算法搜索能力差,易陷入局部最优。针对上述问题,用免疫克隆算法和小生境技术对遗传算法做了改进,改进后的遗传算法可以优化BP神经网络的初始权值和阈值,从而达到优化BP神经网络的目的。在这个条件下,建立GA-BP神经网络模型、NGA-BP神经网络模型、CGA-BP神经网络模型预测房价。通过MATLAB工具箱中的函数,随机选择源数据中的406组作为输入数据,训练网络。根据设计好的网络模...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 本文工作
    1.4 本文创新点
第二章 相关技术与理论
    2.1 房价预测理论述
    2.2 数据预处理理论
    2.3 神经网络概述
    2.4 BP神经网络
第三章 基于遗传算法优化的BP神经网络
    3.1 遗传算法
    3.2 遗传算法基本理论
    3.3 遗传算法工具箱
    3.4 基于遗传算法优化的BP神经网络
第四章 基于改进的遗传算法优化的BP神经网络
    4.1 基于免疫克隆遗传算法优化的BP神经网络
    4.2 基于小生境遗传算法优化的BP神经网络
第五章 房价预测模型的设计与实验仿真
    5.1 实验数据选取与预处理
    5.2 BP神经网络模型设计
    5.3 遗传算法优化的BP神经网络模型
    5.4 改进的遗传算法预测模型性能对比
    5.5 实验结果分析
    5.6 本章小结
总结与展望
参考文献
致谢
攻读硕士学位期间已发表论文



本文编号：3798885