針對(duì)使用單一預(yù)測(cè)模型存在數(shù)據(jù)特征提取不充分,預(yù)測(cè)精度不高的問(wèn)題,提出了一種基于ARIMA-BP組合模型的房地產(chǎn)價(jià)格預(yù)測(cè)方法。結(jié)合ARIMA模型處理線性問(wèn)題的優(yōu)勢(shì)以及BP神經(jīng)網(wǎng)絡(luò)模型在非線性問(wèn)題上的優(yōu)勢(shì),利用誤差方差加權(quán)平均訓(xùn)練法訓(xùn)練出最佳權(quán)重的組合并建立組合模型對(duì)某市區(qū)房地產(chǎn)價(jià)格和趨勢(shì)預(yù)測(cè)進(jìn)行實(shí)證分析。理論分析和實(shí)驗(yàn)結(jié)果表明,所提兩者的組合模型有效解決了不能充分提取數(shù)據(jù)特征,預(yù)測(cè)精度不理想的問(wèn)題,比單一預(yù)測(cè)模型能獲得更準(zhǔn)確的預(yù)測(cè)效果。 

【文章來(lái)源】：電腦知識(shí)與技術(shù). 2020年09期

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

ARIMA建模流程

自1982年Hopfield發(fā)表了關(guān)于自反饋神經(jīng)網(wǎng)絡(luò)的文章[10]以及Rumelhart等人發(fā)表了專著PDP[11]以來(lái)，研究神經(jīng)網(wǎng)絡(luò)的熱潮便在世界范圍內(nèi)掀起。隨后，BP神經(jīng)網(wǎng)絡(luò)在1986年由Rumelhart和McCelland為首的科學(xué)小組提出，是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，由1個(gè)輸入層、若干隱含層和1個(gè)輸出層構(gòu)成[12]。同層的神經(jīng)元之間并無(wú)關(guān)聯(lián)，異層的神經(jīng)元之間則前向連接。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。在整個(gè)BP中，重要的是兩個(gè)環(huán)節(jié)，第一環(huán)節(jié)是信號(hào)實(shí)現(xiàn)從輸入層到輸出層的前向傳播，另一部分是在輸出層未得到期望輸出時(shí)，誤差信號(hào)則會(huì)繼續(xù)沿著原來(lái)的網(wǎng)絡(luò)連接路線返回并通過(guò)不斷修改各層之間的權(quán)值以得到最終的期望誤差。目前，BP神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近、系統(tǒng)辨識(shí)與預(yù)測(cè)、分類以及數(shù)據(jù)壓縮等方面均發(fā)揮著不可替代的作用，成為人工智能領(lǐng)域的熱門[13]。

對(duì)于時(shí)間序列的平穩(wěn)性處理與判定，本文案例基于兩種數(shù)據(jù)分析工具，采用兩種方法進(jìn)行判定。初步采用SPSS 23.0工具繪制時(shí)間序列的自相關(guān)與偏自相關(guān)函數(shù)圖進(jìn)行判定，若序列平穩(wěn)，則不做處理，若不平穩(wěn)，則通過(guò)差分平穩(wěn)化，本文案例通過(guò)一階差分后的自相關(guān)與偏自相關(guān)函數(shù)如圖3所示：由上圖可知當(dāng)K>3時(shí)，自相關(guān)函數(shù)圖都落入置信區(qū)間，且逐漸趨向于0，證明序列具備平穩(wěn)性和隨機(jī)性，驗(yàn)證了差分次數(shù)的正確性。

【參考文獻(xiàn)】：
期刊論文
[1]BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J]. 樊振宇.  軟件導(dǎo)刊. 2011(07)
[2]房地產(chǎn)價(jià)格時(shí)間序列預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)方法[J]. 陳基純,王楓.  統(tǒng)計(jì)與決策. 2008(14)
[3]基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)[J]. 李萍,曾令可,稅安澤,金雪莉,劉艷春,王慧.  計(jì)算機(jī)應(yīng)用與軟件. 2008(04)
[4]基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列組合預(yù)測(cè)模型研究及應(yīng)用[J]. 秦大建,李志蜀.  計(jì)算機(jī)應(yīng)用. 2006(S1)
[5]AR模型應(yīng)用于振動(dòng)信號(hào)趨勢(shì)預(yù)測(cè)的研究[J]. 徐峰,王志芳,王寶圣.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 1999(04)
[6]人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)[J]. 楊曉帆,陳廷槐.  計(jì)算機(jī)科學(xué). 1994(02)

碩士論文
[1]基于ARIMA-BP組合模型的某餐飲O2O企業(yè)訂單預(yù)測(cè)研究[D]. 施佳.北京交通大學(xué) 2018
[2]時(shí)間序列分析方法研究及其在陜西省GDP預(yù)測(cè)中的應(yīng)用[D]. 魏寧.西北農(nóng)林科技大學(xué) 2010
[3]灰色組合預(yù)測(cè)方法在糧食產(chǎn)量中的應(yīng)用[D]. 閆海霞.西安理工大學(xué) 2009
[4]時(shí)間序列預(yù)測(cè)模型及其算法研究[D]. 羅鳳曼.四川大學(xué) 2006



本文編號(hào)：2953562