基于BP神经网络和百度地图API的房价预测方法的研究

发布时间：2020-06-09 13:46

【摘要】：近年来,随着人们对于住房的需求大大增加,房价涨跌成了人们越来越重视的民生问题,所以如何客观地预测房价及其变化趋势备受人们的关注,结合互联网以及数据挖掘等信息技术手段重点分析影响房价的因素,进而较为准确地预测房价将变得尤为重要。本文的具体工作包括如下五个部分:(1)对房产资料数据进行预处理。对原始数据的每个属性执行诸如缺失值处理、异常值处理和数据规范化等预处理过程。(2)构建房价预测BP神经网络模型。本文主要构建两个BP神经网络模型,即基于原始数据的BP神经网络模型和基于百度地图API扩展数据的BP神经网络模型。模型构建过程就是确定神经网络层数、每层中的节点数量以及激活函数的过程。(3)利用百度地图API获取房屋周边信息。百度地图API接口主要用于扩展原始数据,最终得到房屋周边一定距离内教育、医疗和交通等宏观数据,并将其作为模型输入,从而提高模型预测房价的准确性。(4)模型训练。本文利用MATLAB的神经网络工具箱对上述两个模型进行训练,主要包括模型参数的设定及模型性能的图形分析等。(5)模型验证、结果与应用。本文采用十折交叉验证的方法进行模型评估,实验结果正确率均大于70%,证明模型构建合理有效。然后,本文将上述两个神经网络模型进行了比较,实验结果表明:基于百度地图API和BP神经网络的房价预测方法具有更高的正确率,且影响房价的因素不仅取决于微观因素,宏观因素发挥着更大的作用。为方便模型使用,本文还提出了“双层BP神经网络”的方法,在房价预测BP神经网络之前,增加了一个房价粗分类的BP神经网络。本文的研究思路可为研究房价预测提供一些新的方法,对于无法量化的宏观因素也提供了新的获取方法,也可为房屋购买者提供相应的决策支持。
【图文】：

地图,神经网络模型,百度,房屋

图 1. 1 研究路线图Figure 1.1 Roadmap for the study组织结构文总共分为六章，相关安排如下：一章为绪论，详细介绍本文的研究背景、研究目的与意义以及近年来国内外研究现状，的研究内容、研究路线图以及文章组织结构。二章为数据来源及其预处理过程。首先介绍了数据来源，并在此基础上概述了缺失值处处理和数据规范化等过程。三章为构建 BP 神经网络模型。介绍了基于原始数据的 BP 神经网络模型和基于百度地BP 神经网络模型，包括神经网络层数的选择、神经网络，每层中节点数量的选取以及的选择。四章为百度地图 API 获取房屋周边基础设施信息，然后对地址解析服务和获取房屋周

地图,房屋,数据,原始性

基于 BP 神经网络与百度地图 API 的房价预测方法的研究3）不处理。填补缺失值只是数据分析者的主观处理方法，并不一定完全符合客观规律程中难免会或多或少的改变原始信息，有时还会引入噪声数据，，导致挖掘结果产生偏离很多情况下，会采取不处理的办法保持历史数据的原始性。
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F299.23;TP183

【相似文献】