基于BP神经网络的温州市商品房价格趋势预测

论文摘要

本文从房屋的特征价格模型出发，通过建立温州市商品房价格的BP神经网络模型，对近年来温州市主城区的商品房价格的发展趋势进行预测分析，从中可以看到应用BP神经网络模型，在房屋特征价格的评价指标体系下，通过对样本数据的归一化处理，可以很好的进行商品房价格的预测。神经网络的测试结果显示，在训练样本的验证中有88.4%的楼盘价格相对误差在10%以内；测试样本的验证中楼盘价格相对误差均在10%以内，并且最大相对误差仅为9.73%。这表明该模型对温州主城区商品房价格的预测具有一定的精确性，该网络模型可以应用到本地区的商品房价格预测。最后利用已建立的BP神经网络模型，对温州市主城区即将开盘的楼盘进行了价格趋势预测。

论文目录

• 摘要
• ABSTRACT
• 1 前言
• 1.1 商品房价格趋势预测分析的背景
• 1.2 商品房价格趋势预测分析的意义
• 1.3 研究内容和目标
• 1.4 研究的技术路线
• 2 文献综述
• 2.1 房价预测常用的模型[2-7]
• 2.1.1 时间序列预测法
• 2.1.2 VAR模型
• 2.1.3 小波神经网络
• 2.1.4 灰色-马尔科夫模型
• 2.2 BP神经网络
• 2.2.1 从生物神经网络到人工神经网络
• 2.2.2 BP神经网络的理论
• 2.2.3 BP算神经网络算法的步骤
• 2.2.4 BP神经网络的改进
• 2.3 特征价格模型的理论基础[12-18]
• 2.3.1 特征价格理论的发展历程
• 2.3.2. 房地产特征价格模型的研究
• 3 建立温州商品房特征价格模型
• 3.1 商品房的主要特征[19]
• 3.1.1 商品房的自然属性
• 3.1.2 经济特性
• 3.2 商品房价格的主要影响因素[20]
• 3.2.1 宏观因素
• 3.2.2 微观因素[21-24]
• 3.3 温州商品房特征价格模型
• 3.3.1 温州基本概况[25]
• 3.3.2 国家宏观经济政策环境[26]
• 3.3.3 温州商品房特征价格模型框图
• 4 基于 BP神经网络的温州市商品房价格趋势预测
• 4.1 样本数据的准备
• 4.2 神经网络模型的设计
• 4.3 网络的训练过程与结果分析
• 4.4 网络的验证
• 4.5 商品房价格趋势预测
• 5. 结论
• 5.1 本文主要结论
• 5.2 本文存在的一些问题与进一步的研究工作
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录