房地產(chǎn)是我國(guó)的支柱性行業(yè)。自上世紀(jì)九十年代以來(lái),我國(guó)房地產(chǎn)行業(yè)保持了持續(xù)的高速增長(zhǎng),為我國(guó)的經(jīng)濟(jì)建設(shè)和國(guó)內(nèi)生產(chǎn)總值的發(fā)展提供了動(dòng)力。但是房?jī)r(jià)過(guò)高也很大程度上限制了我國(guó)經(jīng)濟(jì)的發(fā)展,提高了我國(guó)企業(yè)的成本,同時(shí)房?jī)r(jià)過(guò)高也給普通大眾帶來(lái)了巨大的生活壓力�；诖�,對(duì)于房?jī)r(jià)的預(yù)測(cè)就變得十分重要了。注意到各地房屋類型、房地產(chǎn)市場(chǎng)活躍度差異較大,而房?jī)r(jià)指數(shù)排除了房屋質(zhì)量、建筑結(jié)構(gòu)、地理位置、銷售結(jié)構(gòu)因素影響,僅僅考慮由于供求關(guān)系及成本波動(dòng)等因素帶來(lái)的價(jià)格變動(dòng),所以本文選擇用房?jī)r(jià)指數(shù)來(lái)替代房?jī)r(jià)作為參考指標(biāo)。同時(shí)考慮到影響房?jī)r(jià)指數(shù)的可能因素有CPI,貨幣供應(yīng)量,上證綜合指數(shù),匯率等。由于各個(gè)影響因素之間的關(guān)系并不是簡(jiǎn)單的線性關(guān)系,考慮到變量之間關(guān)系的復(fù)雜性,傳統(tǒng)的模型很難進(jìn)行度量,所以本文突破性地考慮將以上的幾個(gè)指標(biāo)作為輸入變量,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行建模。然后,將預(yù)測(cè)結(jié)果和實(shí)際結(jié)果進(jìn)行比較,然后再考慮調(diào)整輸入變量的個(gè)數(shù)對(duì)模型進(jìn)行優(yōu)化,再次建模,得到新的預(yù)測(cè)結(jié)果。此外,針對(duì)房?jī)r(jià)指數(shù)建立時(shí)間序列ARIMA模型。最后將幾個(gè)模型的結(jié)果進(jìn)行比較,得出結(jié)論,并對(duì)預(yù)測(cè)結(jié)果的實(shí)際意義進(jìn)行解讀。通過(guò)比較神經(jīng)網(wǎng)絡(luò)模型和... 

【文章來(lái)源】：蘇州大學(xué)江蘇省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

生物神經(jīng)元結(jié)構(gòu)示意圖

價(jià)的分析與預(yù)測(cè) 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(dāng)傳入的神經(jīng)沖，細(xì)胞進(jìn)入興奮狀態(tài)，產(chǎn)生神經(jīng)沖動(dòng)并由軸突輸出；低于閾值時(shí)，細(xì)胞進(jìn)入抑制狀態(tài)，沒有神經(jīng)沖動(dòng)輸元物神經(jīng)元傳遞信息的過(guò)程：生物神經(jīng)元是一個(gè)多輸元模型可用圖 3-1 模擬。

層的權(quán)值和閾值，直至到達(dá)輸入層，再重復(fù)向計(jì)算。這兩個(gè)過(guò)程反復(fù)進(jìn)行，不斷調(diào)整各層的權(quán)值和閾值，使得網(wǎng)絡(luò)誤差最小或達(dá)到人們所期望的要求時(shí)，學(xué)習(xí)過(guò)程結(jié)束。圖3-3 典型BP網(wǎng)絡(luò)模型生物神經(jīng)元信號(hào)的傳遞是通過(guò)突觸進(jìn)行的一個(gè)復(fù)雜的電化學(xué)等過(guò)程, 在人工神經(jīng)網(wǎng)絡(luò)中是將其簡(jiǎn)化模擬成一組數(shù)字信號(hào)通過(guò)一定的學(xué)習(xí)規(guī)則而不斷變動(dòng)更新的過(guò)程，這組數(shù)字儲(chǔ)存在神經(jīng)元之間的連接權(quán)重。網(wǎng)絡(luò)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(hào)。輸入信號(hào)經(jīng)輸入層輸入， 通過(guò)隱含層的復(fù)雜計(jì)算由輸出層輸出，輸出信號(hào)與期望輸出相比較，若有誤差，再將誤差信號(hào)反向由輸出層通過(guò)隱含層處理后向輸入層傳播。在這個(gè)過(guò)程中，誤差通過(guò)梯度下降算法，分?jǐn)偨o各層的所有單元，從而獲得各單元的誤差信號(hào)，以此誤差信號(hào)為依據(jù)修正各單元權(quán)值，網(wǎng)絡(luò)權(quán)值因此被重新分布。此過(guò)程完成后， 輸入信號(hào)再次由輸入層輸入網(wǎng)絡(luò)，重復(fù)

【參考文獻(xiàn)】：
期刊論文
[1]BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法及其應(yīng)用[J]. 余華,吳文全,曹亮.  電腦知識(shí)與技術(shù). 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(zhǎng)英.  江西農(nóng)業(yè)學(xué)報(bào). 2008(09)
[3]BP神經(jīng)網(wǎng)絡(luò)的非線性思想[J]. 郝中華.  洛陽(yáng)師范學(xué)院學(xué)報(bào). 2008(04)
[4]基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[J]. 孫帆,施學(xué)勤.  計(jì)算機(jī)與數(shù)字工程. 2007(08)
[5]利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)函數(shù)逼近[J]. 王強(qiáng),余岳峰,張浩炯.  計(jì)算機(jī)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(luò)算法仿真[J]. 王美玲,張長(zhǎng)江,付夢(mèng)印,肖?.  北京理工大學(xué)學(xué)報(bào). 2002(03)



本文編號(hào)：3051200