發(fā)布時(shí)間：2017-12-09 13:07

  本文關(guān)鍵詞：基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測算法及其應(yīng)用

  更多相關(guān)文章： 主成分分析 多元線性回歸 神經(jīng)網(wǎng)絡(luò) RBF神經(jīng)網(wǎng)絡(luò)

【摘要】：房地產(chǎn)，從狹義的層次上理解，包括房地產(chǎn)所占有的土地，，地上部分以及地下部分的各種建筑物；而地產(chǎn)從廣義的層次上理解，即，從經(jīng)濟(jì)利益的層次上理解，是指一種財(cái)產(chǎn)，包括房地產(chǎn)本身的財(cái)富，房地產(chǎn)本身帶來或者引起的各種權(quán)益，以及在房地產(chǎn)上進(jìn)行各種經(jīng)營活動(dòng)。 在社會(huì)主義市場經(jīng)濟(jì)體制下，我國的房地產(chǎn)行業(yè)已經(jīng)出現(xiàn)了一套合理的運(yùn)行體制，體現(xiàn)了欣欣向榮的繁榮景象。房地產(chǎn)行業(yè)是一個(gè)綜合性的產(chǎn)業(yè)，它包含有以下各個(gè)流程產(chǎn)業(yè)，首先是土地開發(fā)，第二步是房屋建設(shè)，第三步是房屋維修，第四步是房屋管理。它還關(guān)系著其他的產(chǎn)業(yè)，例如，土地使用權(quán)的有償轉(zhuǎn)化更名，住房房屋所有權(quán)的買賣，房屋所有權(quán)的租賃，房屋房地產(chǎn)的抵押，由房地產(chǎn)引起的貸款等各種產(chǎn)業(yè)。 房地產(chǎn)價(jià)格一直是民眾關(guān)注的重點(diǎn)問題，房地產(chǎn)，是一種商品，是商品就有價(jià)格，價(jià)格隨著價(jià)值上下波動(dòng)。房地產(chǎn)又是一種特殊的商品，房地產(chǎn)價(jià)格持續(xù)走高，是多種因素產(chǎn)生的結(jié)果。房地產(chǎn)有需求，那么就有市場，而價(jià)格又是由需求和供應(yīng)同時(shí)決定的。房地產(chǎn)不同于其他的商品，它還受其他因素的影響，例如，政府的宏觀調(diào)控，通貨膨脹，匯率的改變等等。 本文研究的數(shù)據(jù)來自于《中國統(tǒng)計(jì)年鑒》中跟房地產(chǎn)相關(guān)的統(tǒng)計(jì)數(shù)據(jù)。 本文主要建立了房地產(chǎn)預(yù)測模型，研究房價(jià)與其所在城市多個(gè)房地產(chǎn)相關(guān)指標(biāo)的關(guān)系。即，由本年度的房地產(chǎn)相關(guān)指標(biāo)數(shù)據(jù)預(yù)測下一年度的房價(jià)。 本文的研究理論包括主成分分析算法，多元線性回歸算法，以及RBF神經(jīng)網(wǎng)絡(luò)算法。主成分分析算法，是指利用降維的思想，將多個(gè)變量轉(zhuǎn)化成少數(shù)主成分的過程。RBF神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)，一種性能良好的前向網(wǎng)絡(luò)。它具有最佳逼近性能，訓(xùn)練方法快速易行，不存在局部最優(yōu)問題。 本文在這些算法的基礎(chǔ)上，提出了一種基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測算法，該算法首先對數(shù)據(jù)進(jìn)行主成分分析，達(dá)到降維的目的，然后對數(shù)據(jù)進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)預(yù)測。該算法結(jié)合了主成分分析和RBF神經(jīng)網(wǎng)絡(luò)算法的優(yōu)勢，利用了主成分分析達(dá)到降維，從而使得RBF神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)減少，濃縮了主要信息，消除了冗余信息。 將多元線性回歸算法、RBF神經(jīng)網(wǎng)絡(luò)算法和本文提出的基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測算法，均用于建立房地產(chǎn)價(jià)格預(yù)測模型，經(jīng)過建模，將得到的三種預(yù)測結(jié)果對比分析，發(fā)現(xiàn)本文提出的基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測算法預(yù)測效果比較好。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP183

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 曹婷;鄭源;;風(fēng)力機(jī)故障診斷神經(jīng)網(wǎng)絡(luò)特征參數(shù)確定方法[J];排灌機(jī)械工程學(xué)報(bào);2014年03期

2 杜洪;夏欣;琚生根;王能;;基于PCA圖像壓縮算法研究與實(shí)現(xiàn)[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

3 王萬榮;毛承志;皇甫仁杰;李建周;;基于多元線性回歸法估算車輛外部環(huán)境溫度[J];汽車電器;2014年10期

4 魏光輝;;基于RBF神經(jīng)網(wǎng)絡(luò)的河川年徑流量預(yù)測[J];西北水電;2014年05期

5 李發(fā)權(quán);楊立才;顏紅博;;基于PCA-SVM多生理信息融合的情緒識(shí)別方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2014年06期

6 黃澤鋒;;改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)在泵站機(jī)組故障診斷中的應(yīng)用[J];水電站機(jī)電技術(shù);2014年06期

本文編號：1270486