论文基于灰色理论和神经网络的房地产前期预测是大学硕士与本科灰色毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写灰色方面论文范文。
摘 要： 为了克服单一灰色模型或者BP神经网络的局限性,提出灰色理论和神经网络的房地产前期预测模型.该模型采用灰色模型对房地产前期的规律性进行分析,BP神经网络对房地产前期的随机性进行刻画,实现了优势互补,最后进行房地产前期预测具体应用实例分析.结果表明,该模型可以准确描述房地产前期的变化趋势,提高房地产前期的预测精度,为房地产前期预测提供了一种有效的建模工具.
关键词： 房地产； 前期； 神经网络； 周期性； 非线性特点
中图分类号： TN711?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）11?0107?04
Research on real estate early?stage price prediction
based on grey theory and neural network
CONG Suli
（Department of Architectural Engineering, Wenjing College of Yantai University, Yantai 264000, China）
Abstract： In order to overcome the limitation of single grey model or BP neural network, a real estate early?stage price forecasting model based on grey theory and neural network is put forward. The gray model is adopted in the model to analyze the regularity of real estate early?stage price, and BP neural network is adopted to describe the randomness of real estate early?stage price to realize the complementary advantages. The specific application instance is applied to the analysis of real estate early?stage price prediction. The experimental results show that the model can describe the change trend of real estate early?stage price accurately, improved the forecasting accuracy of real estate early?stage price, and provides an effective modeling tool for real estate early?stage price forecasting.
Keywords： real estate； early?stage price； neural network； periodicity； nonlinear characteristic
0 引 言
近年来,我国的房地产市场非常活跃,房地产成为人们经常讨论的话题[1].为了防止房地产过度增长,国家和地方均出台了一系列的政策进行调控,然而由于其他投资市场的随机性太大,一些人没有好的投资渠道,将大量资金投入到房地产市场中,导致房地产的随机变化大.在各种政策和人们心理作用的影响下,房地产前期预测可以帮助人们了解房地产的变化态势[2?3],预测结果有利于政策制定者和房地产投资者做出准确判断,因此房地产前期预测具有重要的实际价值[4].
当前人们对房地产预测主要通过对政策、经济、房贷等因素进行分析,然后对未来房地产变化趋势进行估计[5].有学者认为房地产主要与土地密切相关,结果表明,土地要去行政化,减少政府部门干预,让土地由市场决定,降低房地产的成本,有效降低房地产[6].有学者采用时间序列分析法对房地产进行建模,通过拟合房贷和房地产之间的联系,实现房地产预测[7?8]；文献[9]以及文献[10]采用神经网络对房地产变化趋势进行拟合,分析了房地产变化的随机性,预测结果要优于时间序列法,但房地产同时具有季节性变化特点,导致有时预测精度低.灰色模型可以对房地产的季节性、周期性变化特点进行建模,挖掘数据中隐藏的变化特点,但不能对房地产随机性进行拟合[11].
虽然当前房地产研究很多,但是对房地产前期研究相当少,而且房地产前期预测的实际应用价值更高[12],为了解决当前房地产前期预测模型存在的局限性,提出灰色理论和神经网络的房地产前期预测模型,分别采用灰色模型和BP神经网络对房地产前期的规律性和随机性分别进行建模,实现它们之间的优势互补,实验结果表明,该模型能够有效地描述房地产前期的变化趋势,提高房地产前期的预测精度.
1 灰色模型和神经网络
1.1 灰色模型
灰色模型有多种形式,其中GM（1,1）是最常用的一种,而且性能更优,GM（1,1）的一阶微分形式定义如下：
（1）
白化微分形式定义如下：
（2）
式中和为参数.
参数和对灰色模型的性能影响十分重要,选择最小二乘算法对它们进行求解,具体为：
（3）
总结:这篇灰色论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 基干过程神经网络对原油产量预测技术 摘要：预测油田原油产量对分析油藏，制定油田合理的发展规划至关重要。该文基于神经网络，对原油产量预测技术进行了探讨，提出了一种基于过程神经网络的原。
2、 基于证据理论和神经网络的烟雾图像检测 摘 要： 烟雾图像检测对于预防火灾具有重要的研究意义，烟雾受到空气和自身扩散的作用，变化过程十分复杂，导致传统方法的检测效果差，为了解决该难题，。
3、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
4、 一种改进型DRNN神经网络自学习PID控制 摘 要： 本文针对多变量耦合系统，采用DRNN神经网络对PID控制器参数进行自学习，提出了将学习因子在学习过程中进行动态调整，与传统DRNN神经。
5、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。
6、 基于灰色理论徐州市农产品物流影响因素分析 摘 要 2018年中央一号文件再次提出“三农”的相关政策意见。新世纪以来，这是“三农”问题连续第15年出现在中央一号文件中。党的十八大以来，农业。