隨著房地產(chǎn)行業(yè)的發(fā)展,國家、社會和個人都對房價比較關注。而影響房價的因素有很多,除國家的調(diào)控外,還有一些不可控因素的存在,其中采光、戶型、環(huán)境等都對房價有一定程度的影響,導致房地產(chǎn)市場變動很大。因此研究一種精度高的預測房價的模型就有了實際的意義,其中神經(jīng)網(wǎng)絡已然成為了一種新型的預測方法。在BP神經(jīng)網(wǎng)絡和MATLAB工具箱函數(shù)的理論基礎上,選取了506組與波士頓房價有關的數(shù)據(jù),對數(shù)據(jù)做歸一化處理和降維分析。隨機選擇其中的406組數(shù)據(jù)作為訓練數(shù)據(jù),調(diào)整參數(shù),建立BP神經(jīng)網(wǎng)絡模型,用訓練好的網(wǎng)絡預測房價。然而,傳統(tǒng)的BP神經(jīng)網(wǎng)絡雖然具有很強的非線性映射能力,但在預測過程中耗時長、預測效果差、易陷入局部最優(yōu),且傳統(tǒng)的遺傳算法搜索能力差,易陷入局部最優(yōu)。針對上述問題,用免疫克隆算法和小生境技術對遺傳算法做了改進,改進后的遺傳算法可以優(yōu)化BP神經(jīng)網(wǎng)絡的初始權值和閾值,從而達到優(yōu)化BP神經(jīng)網(wǎng)絡的目的。在這個條件下,建立GA-BP神經(jīng)網(wǎng)絡模型、NGA-BP神經(jīng)網(wǎng)絡模型、CGA-BP神經(jīng)網(wǎng)絡模型預測房價。通過MATLAB工具箱中的函數(shù),隨機選擇源數(shù)據(jù)中的406組作為輸入數(shù)據(jù),訓練網(wǎng)絡。根據(jù)設計好的網(wǎng)絡模...

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 本文工作
    1.4 本文創(chuàng)新點
第二章 相關技術與理論
    2.1 房價預測理論述
    2.2 數(shù)據(jù)預處理理論
    2.3 神經(jīng)網(wǎng)絡概述
    2.4 BP神經(jīng)網(wǎng)絡
第三章 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡
    3.1 遺傳算法
    3.2 遺傳算法基本理論
    3.3 遺傳算法工具箱
    3.4 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡
第四章 基于改進的遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡
    4.1 基于免疫克隆遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡
    4.2 基于小生境遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡
第五章 房價預測模型的設計與實驗仿真
    5.1 實驗數(shù)據(jù)選取與預處理
    5.2 BP神經(jīng)網(wǎng)絡模型設計
    5.3 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡模型
    5.4 改進的遺傳算法預測模型性能對比
    5.5 實驗結(jié)果分析
    5.6 本章小結(jié)
總結(jié)與展望
參考文獻
致謝
攻讀碩士學位期間已發(fā)表論文



本文編號：3798885