城市Subregion房屋價格預(yù)測研究作為一個經(jīng)濟(jì)熱點,同時涉及到商業(yè)和城市計算等相關(guān)領(lǐng)域,并且它對智慧城市的規(guī)劃和建設(shè)也有著極大的幫助。然而預(yù)測Subregion住宅房屋價格的變化存在巨大的困難,具體包括復(fù)雜的影響因素、房屋交易數(shù)據(jù)的稀疏性以及區(qū)域之間存在很強(qiáng)的時空依賴,因此進(jìn)行Subregion級別的住宅房價預(yù)測具有極大的挑戰(zhàn)性。為了解決這些挑戰(zhàn),在本文,我們研究并提出了一種全新、有效且更加精細(xì)粒度的深度時空網(wǎng)絡(luò)來進(jìn)行Subregion住宅房屋價格的預(yù)測。與現(xiàn)有工作相比,我們的模型基于現(xiàn)有的交易數(shù)據(jù)能夠?qū)㈩A(yù)測粒度從城市級別提高到了英里級別,從而很好地實現(xiàn)了區(qū)域房價的實時精準(zhǔn)預(yù)測。本文首先詳細(xì)設(shè)計了四個子模塊（長期和短期的DenseNet,當(dāng)前因素模塊和基于卡爾曼濾波的預(yù)期模塊）來分別捕獲區(qū)域之間的長期和短期的時空依賴,當(dāng)前外部因素的影響和未來預(yù)期對當(dāng)前價格反饋帶來的影響。我們基于DenseNet采用稠密的網(wǎng)絡(luò)連接方式能學(xué)習(xí)到各個維度的特征,從而更好地減輕因數(shù)據(jù)稀疏帶來的影響。然后,在當(dāng)前因素模塊,我們特別采用了特征選取的策略來篩選影響因素,從而進(jìn)一步避免信息冗余帶來的過擬合問題。其... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１中國住房總面積和城鎮(zhèn)化率變化情況１２１??“”

圖１．３購房推薦應(yīng)用＾??

?第１章緒?論???慧城市規(guī)劃的新制度。合理有效的住房監(jiān)管以及精準(zhǔn)預(yù)測是”智慧城市”建設(shè)的??重中之重，對城市未來發(fā)展有著莫大的益處。如圖１．２所示，住房市場的精準(zhǔn)預(yù)??測不僅有益于“智慧城市”的建設(shè)，還能夠為廣大居民在購買房屋時提供有效的??參考。由此可見，合理的調(diào)整住房市場并制定有效符合客觀經(jīng)濟(jì)學(xué)的管理計劃對??經(jīng)濟(jì)的平穩(wěn)發(fā)展有著至關(guān)重要的作用，同時能夠為民眾購買住房提供有效的建??議，為城市規(guī)劃和城區(qū)建設(shè)提供科學(xué)有效的參考。正是因為住房市場如此重要，??１?“智葸城市”的建設(shè)?ＩＩ家庭購房建議??圖１．２預(yù)測住房市場的益處＾??房價的相關(guān)研宄和實際應(yīng)用一直都是熱門的領(lǐng)域。國內(nèi)外目前針對實時的房屋??推薦和價格預(yù)測都已經(jīng)推出了成熟的系統(tǒng)，如美國的最著名的Ｚｉｌｌｏｗ網(wǎng)站和國??內(nèi)萬千用戶習(xí)慣使用的鏈家網(wǎng)以及諸葛找房網(wǎng)。圖１．３展示了他們系統(tǒng)實際應(yīng)用??的相關(guān)示意圖。根據(jù)相關(guān)調(diào)研顯示，現(xiàn)存的房價預(yù)測大都是基于ｃｉｔｙ－丨ｅｖｅｌ?（包??？？?ｆｃＭＸ?？＜?＊？＜＊＜■＞?Ｗ?ＭＭ?ＵＫ??ｆｕｆｆ?ｙｔ?？？＊；（＊��？?？＞（？？＊？？?吻??Ｖ．?Ｗ．?ＷＷ?，ｊ??二－＾?一?－妙辦?Ｅｓａ?一廠?ｒ二■人．Ｔ一…??？?ｉ，?場?ｒ?：廣…＾??Ａ％，．??？—?－—．．．．．．．．．．．．．．?卜?■?ｖ?－?�。�?ｉ?－?．．??？，ｉｉｌＷｉｆ??Ｉ?“ＺＨ丨ｏｗ”房屋網(wǎng)?丨丨“鏈家”房屋網(wǎng)??圖１．３購房推薦應(yīng)用＾??含ｃｉｔｙ，?ｄｉｓｔｒｉｃｔ等大行政區(qū)域）研宄或者個體房屋的價格預(yù)測。大區(qū)域的房價預(yù)??測結(jié)果能夠提供的信息內(nèi)容通常對購買者和政府來


本文編號：3465903