基于神经网络的我国房价的分析与预测

发布时间：2021-02-25 15:53

　　房地产是我国的支柱性行业。自上世纪九十年代以来,我国房地产行业保持了持续的高速增长,为我国的经济建设和国内生产总值的发展提供了动力。但是房价过高也很大程度上限制了我国经济的发展,提高了我国企业的成本,同时房价过高也给普通大众带来了巨大的生活压力。基于此,对于房价的预测就变得十分重要了。注意到各地房屋类型、房地产市场活跃度差异较大,而房价指数排除了房屋质量、建筑结构、地理位置、销售结构因素影响,仅仅考虑由于供求关系及成本波动等因素带来的价格变动,所以本文选择用房价指数来替代房价作为参考指标。同时考虑到影响房价指数的可能因素有CPI,货币供应量,上证综合指数,汇率等。由于各个影响因素之间的关系并不是简单的线性关系,考虑到变量之间关系的复杂性,传统的模型很难进行度量,所以本文突破性地考虑将以上的几个指标作为输入变量,运用BP神经网络的方法进行建模。然后,将预测结果和实际结果进行比较,然后再考虑调整输入变量的个数对模型进行优化,再次建模,得到新的预测结果。此外,针对房价指数建立时间序列ARIMA模型。最后将几个模型的结果进行比较,得出结论,并对预测结果的实际意义进行解读。通过比较神经网络模型和... 

【文章来源】：苏州大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

生物神经元结构示意图

价的分析与预测 第三章 BP 神经网经元的工作状态：两种常规工作状态：兴奋与抑制，当传入的神经冲，细胞进入兴奋状态，产生神经冲动并由轴突输出；低于阈值时，细胞进入抑制状态，没有神经冲动输元物神经元传递信息的过程：生物神经元是一个多输元模型可用图 3-1 模拟。

层的权值和阈值，直至到达输入层，再重复向计算。这两个过程反复进行，不断调整各层的权值和阈值，使得网络误差最小或达到人们所期望的要求时，学习过程结束。图3-3 典型BP网络模型生物神经元信号的传递是通过突触进行的一个复杂的电化学等过程, 在人工神经网络中是将其简化模拟成一组数字信号通过一定的学习规则而不断变动更新的过程，这组数字储存在神经元之间的连接权重。网络的输入层模拟的是神经系统中的感觉神经元，它接收输入样本信号。输入信号经输入层输入， 通过隐含层的复杂计算由输出层输出，输出信号与期望输出相比较，若有误差，再将误差信号反向由输出层通过隐含层处理后向输入层传播。在这个过程中，误差通过梯度下降算法，分摊给各层的所有单元，从而获得各单元的误差信号，以此误差信号为依据修正各单元权值，网络权值因此被重新分布。此过程完成后， 输入信号再次由输入层输入网络，重复

【参考文献】：
期刊论文
[1]BP神经网络的改进算法及其应用[J]. 余华,吴文全,曹亮.  电脑知识与技术. 2009(19)
[2]非线性系统的神经-模糊建模方法的研究[J]. 郝昕玉,姬长英.  江西农业学报. 2008(09)
[3]BP神经网络的非线性思想[J]. 郝中华.  洛阳师范学院学报. 2008(04)
[4]基于MATLAB的BP神经网络设计[J]. 孙帆,施学勤.  计算机与数字工程. 2007(08)
[5]利用人工神经网络实现函数逼近[J]. 王强,余岳峰,张浩炯.  计算机仿真. 2002(05)
[6]一种用于非线性函数逼近的小波神经网络算法仿真[J]. 王美玲,张长江,付梦印,肖?.  北京理工大学学报. 2002(03)



本文编号：3051200