优秀班级评选精美PPT模板~F22FB.ppt

优秀班级评选精美PPT模板~F22FB.ppt.ppt决策参考
基于神经网络的房地产价格预测
胡晓龙郜振华马光红
上海大学房地产学院上海安徽工业大学管理学院合肥
摘要文章针对房地产价格的动态特性提出了基于神经网络的房地产价格预测方法并
通过其对上海市房地产价格的预测证明了该方法的有效性为房地产价格预测提供了一条新的方法。
关键词神经网络房地产价格预测
中图分类号文献标识码文章编号
型回归神经元网络一般分为层输入层、中间
引言层隐含层、承接层和输出层如图所示。其输入层、隐含
层和输出层的连接类似于前馈网络输入层的单元仅起信号
随着经济的快速发展及住房体制改革的不断深入我国传输作用输出层单元起线性加权作用。隐含层单元的传递
房地产业迅速发展成为国民经济的先导性和支柱性产业。房函数可采用线性或非线性函数承接层又称上下文层或状态
地产业对经济的发展具有高度的敏感性和超前性同时房地层它用来记忆隐含层单元前一时刻的输出值可以认为是
产业又是一种高风险、高收益的行业这导致了房地产的投一个一步延时算子。
机和炒作现象比较严重因此在进行房地产投资前需要充
分掌握信息以便对房地产市场进行全面的调查和预测。
房地产市场预测是在市场调查的基础上运用科学的方
法对影响市场消费需求变化的各种因素进行分析、预算并
预见其发展趋势从而为投资决策提供依据。除了对需求、投
向、开发量等的预测外房地产投资者最关心的就是房地产
未来的价格。对价格进行预测分析是房地产企业制定经营
策略的重要依据这样可以减少风险提高投资效益。
然而房地产的发展趋势为混沌状态不可能预测到其型回归神经元网络的特点是隐含层的输出通过
精确的发展趋势。房地产系统与人的行为、心理、决策等很多承接层的延迟与存储自联到隐含层的输入这种自联方式
因素有关这些因素大多都是随机的、不易量化的这给房地使得对历史状态的数据具有敏感性内部反馈网络的加入又
产价格的预测带了很多困难。因此建立便捷操作而又科学增加了网络本身处理动态信息的能力从而达到了动态建模
合理的房地产预测模型是当前房地产业发展的迫切需求。的目的。
这对于实现我国房地产投资决策的科学化、民主化和最优
化提高开发项目的综合效益具有极大的促进作用。神经网络的学习过程
目前房地产价格预测大多采用的是静态前馈神经网
络和神经网络法。利用静态前馈网络对动态系统进行以图为例网络的非线性状态空间表达式为
辨识是将动态时间建模问题转变为静态空间建模问题这
会产生许多问题。能够更直接更生动地反映系统动态特性的

网络是动态神经网络即回归神经网络。而回归网络

则是一种典型的动态神经元网络它在前馈人工神经网络基
其中分别表示维输出结点向量维中间层
本结构的基础上通过存储内部状态使其具备映射动态特征结点单元向量维输入向量和维反馈状态向量。
的功能从而使系统具有适应时变特性的能力。根据这个特分别表示中间层到输出层、输入层到中间层、承接层到中间
点本文采用神经网络对房地产的价格进行预测。层的连接权值。为输出神经元的传递函数是中间层输出
的线性组合。为中间层神经元的传递函数常采用函数。
神经网络结构网络也采用算法进行权值修正学方和函数
基金项目上海市房地局资助项目“房地产价格指标与指数模型研究”
统计与决策年第期总第期
决策参考

"

!
其中" 为目标输出向量。
神经网络在房地产价格预测中的
应用
样本设计
房地产价格是按时间顺序排列的数字序列它们之间具
有某种统计意义上的关系这种关系很难用确定的函数或方
程式来描述神经网络能有效解决这一问题而且能
反映房地产价格的时变特性。
基于神经网络对时间序列进行预测通常是根据已有的
样本数据对网络进行训练。如果希望用过去的≥个数
据预测未来≥个时刻的值即进行步预测可取
个相邻的样本为滑动窗并将它们影射为个值这个值
代表在该窗之后的个时刻上的样本的预测值。
在实际的房地产市场中某一日的房地产价格不仅受到
当月外部环境及内部因素的影响而且要受到前几个月诸多
因素的影响具有动态性。这里对房地产价格的预测是以月
为单位即利用前个月房地产的价格直接预测第月的格预测的模型能在预测方面取得较好的效果。
价格。如表所示给出了上海市从年月到年
月的商品房价格。现在利用前个月的数据作为输入样结语
本第个月的价格作为目标向量。这样可得到组训练样
本如表第列所示。年月份到年月份的通过实例分析可以看出
价格作为网络的测试样本算例主要看网络能否合理地预测利用回归神经网络对上海市房地产价格进行
出