西安房地产市场分析预测中神经网络技术应用研究.pdfVIP

西安房地产市场分析预测中神经网络技术应用研究 张佩冯璐 (西安建筑科技大学，陕西西安710055) 摘 要：神经网络是目前进行房地产市场分析和预测的新技术．本文从神经网络的定义、方法入手，探讨了其在房地产市 场分析中的应用，分析了在房地产应用中的神经网络预测流程．研究了运用神经网络对房地产市场进行分析和预测的过程 和方法，并以西安市房地产市场为例，运用BP神经网络方法对房地产市场进行了模拟，并得出了可靠的结论。文章最后对 神经网络在房地产领域的应用面临的问题做了分析和展望。 关键词：BP神经网络；房地产市场；预测 1 引言 1．1房地产市场分析预测现状 近二十年来，随着房地产行业的迅猛发展，我国房地产业已 逐步成为对我同社会经济发展有莺大影响的产业部¨。在快速 的发展中也导致了我国房地产业面临许多问题，如房地产业的 过度投资、房价涨幅过快、房屋空置率居高等，这些问题迫切要 求政府和相关主管部门在对房地产市场供需情况作出正确预测 的基础上充分发挥“有形的手”的作用，引导房地产业正确发展； 同时随着竞争的加剧，房地产企业要想在竞争中制胜，必然需要 充分的准确的市场判断。而政府和企业对市场的判断，都离不开 行业发展数据和信息的支持。 1．2神经网络技术及其在房地产市场分析预测中的应用 由于神经网络模式识别技术其自身的优势，本文将其运用 于房地产市场分析预测之中。预测主要的思路就是：将房地产市 I=‘1．互…-D J-O．二…．西 场历史数据指标经过预处理后作为神经网络的输入结点。输出 结点对应着房地产市场预测参数，通过神经网络的模式识别技 BP神经网络模型结构图 术，实现历史数据到预测数据非线性映射的过程。本文研究的目 2．3BP神经网络的学习算法 的在于在神经网络理论的指导下，将先进的信息处理技术(即人 BP算法由正向传播和反向传播组成。在正向传播过程中， 工神经网络技术)和房地产市场分析预测相结合，解决房地产系 输入信息从输入层经隐节点层单元逐层处理，并传向输出层，每 统的非线性问题，寻找更为先进科学的房地产市场分析预测方 一层神经元的状态只影响下一层神经元的状态。如果在输出层 法，定量预测房地产市场的发展趋势，避免房地产市场的非常态 不能得到期望的输出，则转向反向传播。将误差信号沿原来的通 波动，为相关政策和措施的制定提供参考依据，促进房地产市场 路返回，通过修改各层神经元的权值，使得误差信号最小。BP神 的持续、健康、稳定发展。房地产业是国民经济的基础性和先导 经网络学习算法的实现步骤如下所示。本文以三层神经网络为 性产业，房地产业宏观监测与预测系统建设是国家宏观经济监 例。 测的重要组成部分，同时也是房地产业宏观调控体系的重要组 2．3．1初始化。给每个连接权值∞ij,7n，阈值0J和7i赋予 成部分。 区间f一1，1)内的随机小值。 2反向传播IBP)神经网络 2．3．2随机选取一组输人和目标样本 2．1 BP网络概念 R=(a：，a：k…．．a：)，t=(s：，s：…．’s：)提供给网络。 BP神经网络例是一种多层前馈神经网络，名字源于网络权 值的调整规则采用的是后向传播学习算法。反向传播算法又称 0i计算中间层各单元的输入si，然后用si通过激励函数计算中 为BP算法，是Rumelhart等在1986年提出的。它是一种有导师 的学习算法，使用最优梯度下降技术，实现网络的实际输出与期 间层各单元的输出b；。 望输出的均方差最小。 j