论文部分内容阅读
在国民经济快速发展的形势下,作为我国国民经济的支柱性产业、我国财富的重要组成部分的房地产市场也进入了大规模的市场化开发阶段,随着经济的增长、城市化步伐的加快以及人们生活水平的提高,促使我国大多数城市的房价迅猛增长,所以房价问题是当今社会讨论的热点话题之一,正是在如此情况下,对房价预测问题的研究十分重要,具有实际意义。 本文主要完成了以下工作: 1.本文首先介绍了房地产背景及其研究的重要意义,其次综述了灰色预测、神经网络预测、组合预测及其房价预测的国内外研究进展,最后详细地阐述了灰色模型、神经网络模型的建模思想、建模步骤及其改进。 2.建立基于 BP神经网络的灰色残差修正模型和基于 UGM模型的灰色残差修正模型: 首先建立灰色GM(1,1)模型对房价的变化进行趋势性预测,得到灰色预测残差序列;其次考虑到房价变化的波动性,结合BP神经网络模型和UGM(摆动型灰色预测模型)模型自身的特点,对灰色GM(1,1)模型进行残差修正,从而更好的反映了房价的变化趋势;实例结果表明,基于UGM模型的残差修正模型的预测精度高于基于BP神经网络的灰色残差修正模型。 3.建立串联型灰色-神经网络组合预测模型和并联型灰色-神经网络组合预测模型: (1)串联型灰色 GM(1,1)-BP神经网络组合预测模型,首先建立了灰色 GM(1,1)预测模型、无偏灰色GM(1,1)预测模型及其数据变换和初值优化的GM(1,1)预测模型;其次将这三种单模型的预测值作为BP神经网络的输入,进而建立了串联型GM(1,1)-BP神经网络组合预测模型;将其组合模型应用于西安市商品房价格的预测,并与单模型预测作比较,预测效果明显优于单模型预测。 (2)并联型灰色 GM(1,1)-BP神经网络组合预测模型,首先简要介绍了组合预测中确定权系数的常用方法;其次运用灰色GM(1,1)预测模型及其加入动量项的BP神经网络滚动预测模型构建了定权和变权的并联型灰色GM(1,1)-BP神经网络组合预测模型;将其组合模型应用于西安市房价的预测,并通过4个指标对预测结果进行评价,验证了其组合模型的优越性。