改進BP神經(jīng)網(wǎng)絡在預測房地產(chǎn)價格指數(shù)中應用

小波神經(jīng)網(wǎng)絡在房地產(chǎn)價格指數(shù)預測中的應用——隨著房地產(chǎn)價格指數(shù)的作用充分顯現(xiàn),探求預測房地產(chǎn)價格指數(shù)的有效方法是需深入研究的方向“該文以中房上海住宅價格指數(shù)為例,首先對房地產(chǎn)價格指數(shù)序列性質(zhì)進行分析,表明房地產(chǎn)價格指數(shù)是具有非線性特征的非平穩(wěn)時...

研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經(jīng)網(wǎng)絡能夠無限逼近非線性函數(shù),所以本文便嘗試采用神經(jīng)網(wǎng)絡模型作為預測的模型。本文具體運用的是基于誤差反向傳播算法的多層前饋網(wǎng)絡(bp神經(jīng)網(wǎng)絡)和徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡。首先利用bp神經(jīng)網(wǎng)絡對采集到的中國房地產(chǎn)價格指數(shù)進行訓練和模擬,最后進行預測,并比較預測結(jié)果和真實值,發(fā)現(xiàn)誤差比較大,一方面是因為選取的樣本數(shù)據(jù)少,另一方面是因為bp神經(jīng)網(wǎng)絡本身具有缺陷。為了克服bp神經(jīng)網(wǎng)絡預測的缺陷,本文接著運用rbf神經(jīng)網(wǎng)絡對選取的數(shù)據(jù)進行訓練和模擬,用訓練好的網(wǎng)絡來進行預測,得到的預測結(jié)果與真實值相比較,誤差很小,而且rbf神經(jīng)網(wǎng)絡的運行速度要比bp神經(jīng)網(wǎng)絡快很多。經(jīng)過比較可以得出rbf神經(jīng)網(wǎng)絡用于經(jīng)濟預測可以達到很好的效果。

基于神經(jīng)網(wǎng)絡房地產(chǎn)價格指數(shù)的預測研究(續(xù))——研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經(jīng)網(wǎng)絡能夠無限逼近非線性函數(shù),所以本文便嘗試采用神經(jīng)網(wǎng)絡模型作為預測的模型。本文具體運用的是基于誤差...

文章通過分析調(diào)查影響自貢房地產(chǎn)市場的主要因素,基于bp神經(jīng)網(wǎng)絡,結(jié)合自貢住宅市場的實際情況,建立兩類bp神經(jīng)網(wǎng)絡預測模型:基于時間序列的趨勢預測模型、基于影響因素的回歸預測模型,預測了自貢房地產(chǎn)市場價格走勢。模擬預測2010年的結(jié)果證明了2011年房價預測的有效性,可為自貢城市建設的可持續(xù)發(fā)展提供有價值的指導意見。

房地產(chǎn)價格指數(shù)反映房地產(chǎn)市場價格波動的方向和趨勢,是有效地進行房地產(chǎn)市場分析的一種必要工具,對其的預測直接影響到眾多干系人的決策,關系到各干系人的切身利益,因而對預測結(jié)果的精確度要求很高。本文運用灰色gm(1,1)模型和bp神經(jīng)網(wǎng)絡模型相結(jié)合的灰色bp神經(jīng)網(wǎng)絡模型,以matlab為工具,對房地產(chǎn)價格指數(shù)進行預測。此組合模型融合了灰色預測和bp神經(jīng)網(wǎng)絡預測的優(yōu)點,既克服了數(shù)據(jù)波動性大對預測精度的影響,也增強了預測的自適應性。并且,以中國房地產(chǎn)價格指數(shù)為例進行預測,結(jié)果證明了該組合模型的優(yōu)勢,為房地產(chǎn)價格指數(shù)預測研究提供參考依據(jù)。

研究房地產(chǎn)價格準確預測問題。由于房地產(chǎn)價格影響因子間信息嚴重冗余,受到社會上多種因素的影響。傳統(tǒng)預測方法不能消除因子間的冗余信息,導致學習時間長、預測精度低。為了提高房地產(chǎn)價格的預測精度,提出一種粗糙集理論bp神經(jīng)網(wǎng)絡的房地產(chǎn)價格預測模型(rs-bpnn)。rs-bpnn模型首先采用粗糙集理論消除房地產(chǎn)價格因子間冗余信息,提取重要因子,然后采用非線性預測能力非常強的bp神經(jīng)網(wǎng)絡對處理后的數(shù)據(jù)進行學習建模,用建立好的模型對房地產(chǎn)價格進行預測。仿真結(jié)果表明,rs-bpnn房地產(chǎn)價格預測速度比傳統(tǒng)預測方法快,預測精度更高,說明rs-bpnn的預測結(jié)果可以為政策制定者和房地商及買房提供參考。

文章針對房地產(chǎn)價格的動態(tài)特性,提出了基于elman神經(jīng)網(wǎng)絡的房地產(chǎn)價格預測方法,并通過其對上海市房地產(chǎn)價格的預測,證明了該方法的有效性,為房地產(chǎn)價格預測提供了一條新的方法。

bp神經(jīng)網(wǎng)絡在地基土壓縮指數(shù)預測中的應用——為了尋求基于多個常規(guī)物理參數(shù)間接得到土變形參數(shù)的途徑，根據(jù)幾個實際工程中的土工試驗數(shù)據(jù)，利用bp神經(jīng)網(wǎng)絡方法對土壓縮指數(shù)進行預測。選取土塑性指數(shù)、含水量、孔隙比、密度這4個常規(guī)物理參數(shù)作為影響土壓縮指數(shù)...

將改進型bp網(wǎng)絡用于房地產(chǎn)估價,通過在識別階段對訓練樣本分類正確率問題的討論,提出運用歐氏距離對網(wǎng)絡的識別系統(tǒng)進行改進的方法。應用實例表明改進識別方法的bp網(wǎng)絡應用在房地產(chǎn)估價中能使待判樣本分類正確率從90.5%提高到100%,相應的估價誤差從1.7%降低到0.3%。

在對某基坑工程采用bp神經(jīng)網(wǎng)絡模型預測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預測結(jié)果跳不出訓練樣本以及訓練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡訓練算法進行了改進.研究結(jié)果表明:與常用的基于梯度下降原則相比,改進后的bp神經(jīng)網(wǎng)絡在訓練時間和預測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡在訓練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡的預測值則比較均衡,預測結(jié)果相對最佳.

bp神經(jīng)網(wǎng)絡是分析處理復雜非線性問題的一種有效方法,是目前廣泛應用的一種神經(jīng)網(wǎng)絡,已被逐漸應用于對宏觀經(jīng)濟問題的研究中。本文有機地整合了計量經(jīng)濟學與bp神經(jīng)網(wǎng)絡,建立了基于因果關系理論來確定bp網(wǎng)絡的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡系統(tǒng)的可靠性,基于學習率可變的動量bp算法的用于研究經(jīng)濟領域問題的改進bp神經(jīng)網(wǎng)絡預測模型,加強了網(wǎng)絡模型的理論基礎,提高了網(wǎng)絡模型的質(zhì)量,并將其應用于西北建筑業(yè)的預測和控制中,取得了令人滿意的效果。

提出一種采用bp神經(jīng)網(wǎng)絡算法來預測深基坑沉降的方法,結(jié)合具體工程實例,構建了預測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡模型,預測結(jié)果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。

本文結(jié)合住宅房地產(chǎn)的價格理論和相關網(wǎng)站上的數(shù)據(jù),科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經(jīng)網(wǎng)絡預測的實現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡在預測?？谑猩唐纷≌瑑r格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對海口市商品住宅價格的研究具有一定的指導作用。

針對房地產(chǎn)價格與其影響因素之間的復雜、非線性關系,采用遺傳bp神經(jīng)網(wǎng)絡作為房地產(chǎn)估價的技術方法,構建了基于遺傳bp神經(jīng)網(wǎng)絡的房地產(chǎn)估價模型。結(jié)果表明:遺傳bp神經(jīng)網(wǎng)絡算法在房地產(chǎn)估價中具有可行性,對提高房地產(chǎn)估價的精度有一定的實用價值。

針對房地產(chǎn)價格與其影響因素之間的復雜、非線性關系,采用遺傳bp神經(jīng)網(wǎng)絡作為房地產(chǎn)估價的技術方法,構建了基于遺傳bp神經(jīng)網(wǎng)絡的房地產(chǎn)估價模型。結(jié)果表明:遺傳bp神經(jīng)網(wǎng)絡算法在房地產(chǎn)估價中具有可行性,對提高房地產(chǎn)估價的精度有一定的實用價值。

合作經(jīng)濟與科技!""#$!% &’(’)*+,-./*&’0’1234&.*0&* 56 宏觀經(jīng)濟 的轉(zhuǎn)軌機制在于：通過匯率的貶值，使得 本國產(chǎn)品在外國市場上變得相對便宜， 外國產(chǎn)品在本國市場上相對昂貴，這將 誘發(fā)本國居民將需求由外國產(chǎn)品轉(zhuǎn)向本 國的進口替代品，從而減少進口需求；同 時還刺激外國居民減少對自己國內(nèi)產(chǎn)品 的需求，增強對貶值國出口品的需求，這 些將對企業(yè)的投資決策產(chǎn)生直接的影 響，從而使這些企業(yè)對勞動力需求發(fā)生 變化。從許多國家特別是一些發(fā)展中國 家的實踐來看，本幣貶值肯定會有利于 促進本國商品的出口，同時抑制外國商 品的進口。我國也有很多學者對此進行 了研究，結(jié)果表明，適度的本幣貶值可以 促進本國的就業(yè)。俞喬認為，人民幣貶值 有利于擴大就業(yè)，他估計人民幣貶值 789:5"9可以增加!8"萬;87"

[碩士]特征價格理論在房地產(chǎn)價格指數(shù)編制中的應用——【學位年度】2007　　【摘要】　　房地產(chǎn)價格指數(shù)是反映不同時期房地產(chǎn)市場價格水平的變化趨勢和程度的相對數(shù)量指標，是所謂的“純價格指數(shù)”。即價格指數(shù)只反映由市場供求變化和貨幣購買力所引起的價格...

特征價格法(hedonicmethod)是將房地產(chǎn)價格變動中的質(zhì)量特征因素進行分解,以顯現(xiàn)出各項特征的隱含價格。并從價格的總變動中逐項剔除質(zhì)量特征變動的影響,達到僅僅反映純價格變動的目的。本文通過雙重imputation過程估計缺失價格和剔除異常值的影響,解決了可比性問題,并增強了hedonic模型的穩(wěn)定性。

海軍艦船特裝修理費用影響因素多,各因素作用機理不明晰,建模預測難度大。bp神經(jīng)網(wǎng)絡對于解決這類“黑箱”問題優(yōu)勢明顯,可通過自我學習訓練建立模型。以某型艦船特裝修理費用為例,充分利用稀缺的歷史數(shù)據(jù),運用改進的bp神經(jīng)網(wǎng)絡建立費用預測模型,并進行了特裝修理費用預測,預測精度優(yōu)于傳統(tǒng)模型,可應用于管理決策活動中。

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡存在的缺點,提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡預測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡的初始權重,建立路基沉降預測模型。該模型可克服bp神經(jīng)網(wǎng)絡模型存在的收斂速度慢、易陷入局部極小點等缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡預測模型對比,結(jié)果表明改進的bp神經(jīng)網(wǎng)絡在路基沉降預測中精度最高,適宜于廣泛推廣應用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡存在的缺點,提出了用附加動量法、自適應學習速率和l-m優(yōu)化算法等幾種算法進行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動量因子算法相結(jié)合取得了最優(yōu)的預測效果。該方法克服了bp神經(jīng)網(wǎng)絡模型存在的收斂速度慢、易陷入局部極小點的缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡預測模型對比,預測結(jié)果表明改進的bp神經(jīng)網(wǎng)絡在路基沉降預測中精度最高,適宜廣泛采用。

bp神經(jīng)網(wǎng)絡在基坑變形預測分析中的應用——本文提出了基坑變形預測與分析的bp神經(jīng)網(wǎng)絡方法，建立了基坑變形預測分析的模型，應用matlab語言編制計算程序進行計算并與實際工程監(jiān)測值進行比較，從而驗證了神經(jīng)網(wǎng)絡在基坑變形預測分析中的可行性、有效性?！　?/p>