房地產(chǎn)是我國的支柱性行業(yè)。自上世紀九十年代以來,我國房地產(chǎn)行業(yè)保持了持續(xù)的高速增長,為我國的經(jīng)濟建設和國內生產(chǎn)總值的發(fā)展提供了動力。但是房價過高也很大程度上限制了我國經(jīng)濟的發(fā)展,提高了我國企業(yè)的成本,同時房價過高也給普通大眾帶來了巨大的生活壓力�；诖�,對于房價的預測就變得十分重要了。注意到各地房屋類型、房地產(chǎn)市場活躍度差異較大,而房價指數(shù)排除了房屋質量、建筑結構、地理位置、銷售結構因素影響,僅僅考慮由于供求關系及成本波動等因素帶來的價格變動,所以本文選擇用房價指數(shù)來替代房價作為參考指標。同時考慮到影響房價指數(shù)的可能因素有CPI,貨幣供應量,上證綜合指數(shù),匯率等。由于各個影響因素之間的關系并不是簡單的線性關系,考慮到變量之間關系的復雜性,傳統(tǒng)的模型很難進行度量,所以本文突破性地考慮將以上的幾個指標作為輸入變量,運用BP神經(jīng)網(wǎng)絡的方法進行建模。然后,將預測結果和實際結果進行比較,然后再考慮調整輸入變量的個數(shù)對模型進行優(yōu)化,再次建模,得到新的預測結果。此外,針對房價指數(shù)建立時間序列ARIMA模型。最后將幾個模型的結果進行比較,得出結論,并對預測結果的實際意義進行解讀。通過比較神經(jīng)網(wǎng)絡模型和... 

【文章來源】：蘇州大學江蘇省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

生物神經(jīng)元結構示意圖

價的分析與預測 第三章 BP 神經(jīng)網(wǎng)經(jīng)元的工作狀態(tài)：兩種常規(guī)工作狀態(tài)：興奮與抑制，當傳入的神經(jīng)沖，細胞進入興奮狀態(tài)，產(chǎn)生神經(jīng)沖動并由軸突輸出；低于閾值時，細胞進入抑制狀態(tài)，沒有神經(jīng)沖動輸元物神經(jīng)元傳遞信息的過程：生物神經(jīng)元是一個多輸元模型可用圖 3-1 模擬。

層的權值和閾值，直至到達輸入層，再重復向計算。這兩個過程反復進行，不斷調整各層的權值和閾值，使得網(wǎng)絡誤差最小或達到人們所期望的要求時，學習過程結束。圖3-3 典型BP網(wǎng)絡模型生物神經(jīng)元信號的傳遞是通過突觸進行的一個復雜的電化學等過程, 在人工神經(jīng)網(wǎng)絡中是將其簡化模擬成一組數(shù)字信號通過一定的學習規(guī)則而不斷變動更新的過程，這組數(shù)字儲存在神經(jīng)元之間的連接權重。網(wǎng)絡的輸入層模擬的是神經(jīng)系統(tǒng)中的感覺神經(jīng)元，它接收輸入樣本信號。輸入信號經(jīng)輸入層輸入， 通過隱含層的復雜計算由輸出層輸出，輸出信號與期望輸出相比較，若有誤差，再將誤差信號反向由輸出層通過隱含層處理后向輸入層傳播。在這個過程中，誤差通過梯度下降算法，分攤給各層的所有單元，從而獲得各單元的誤差信號，以此誤差信號為依據(jù)修正各單元權值，網(wǎng)絡權值因此被重新分布。此過程完成后， 輸入信號再次由輸入層輸入網(wǎng)絡，重復

【參考文獻】：
期刊論文
[1]BP神經(jīng)網(wǎng)絡的改進算法及其應用[J]. 余華,吳文全,曹亮.  電腦知識與技術. 2009(19)
[2]非線性系統(tǒng)的神經(jīng)-模糊建模方法的研究[J]. 郝昕玉,姬長英.  江西農(nóng)業(yè)學報. 2008(09)
[3]BP神經(jīng)網(wǎng)絡的非線性思想[J]. 郝中華.  洛陽師范學院學報. 2008(04)
[4]基于MATLAB的BP神經(jīng)網(wǎng)絡設計[J]. 孫帆,施學勤.  計算機與數(shù)字工程. 2007(08)
[5]利用人工神經(jīng)網(wǎng)絡實現(xiàn)函數(shù)逼近[J]. 王強,余岳峰,張浩炯.  計算機仿真. 2002(05)
[6]一種用于非線性函數(shù)逼近的小波神經(jīng)網(wǎng)絡算法仿真[J]. 王美玲,張長江,付夢印,肖?.  北京理工大學學報. 2002(03)



本文編號：3051200