基于bp神经网络的厦门楼盘走势预测 大学毕业论文.doc

《基于bp神经网络的厦门楼盘走势预测 大学毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2009年集美大学数学建模选拔题选拔题目：未来5年厦门楼盘走势预测所属学校：集美大学诚毅学院参赛队员：1.朱文宏信息工程系电子07932.林建辉信息工程系电子07933.蔡秀丽信息工程系自动化0791日期：2009年8月4日21基于BP神经网络的厦门楼盘走势预测摘要：本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP神经网络预测模

2、型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，进行预测。关键词：BP神经网络；住宅市场；时间序列；回归预测；21一：问题的提出与重述华尔街金融风暴越演越烈，日本、欧洲一些国家都出现了经济衰退，世界经济增速放缓，悲观的情绪在市场上蔓延，国际经济环境的剧烈变化使中国经济正经受着严峻的挑战和重大考验。随着金融危机对国内的影响的不断加深，物价，粮食，原油价格不断上升，股市处于低迷状态。过去这两三年里，楼价节节攀升的消息不断

3、传来，到2008年厦门楼市均价10000元/m2。今年以来，厦门楼市由冷转暖，高性价比楼盘大受欢迎，商品住宅总成交量出现暴涨，楼市再现排队抢房现象，这或许是深度调整后的集中爆发。结合当前国际国内金融形势，通过2001年-2008年实际数据，预估未来五年厦门楼市走势，并给购买者一个建议。二：模型的符号约定与说明zi:神经元的第i个输入;:神经元的阈值;Y1：人均居住使用面积（平方米）；Y2：市区人口总数（万人）；Y3：人均可支配收入（元）；Y4：人均消费性支出（元）；Y5：住宅平均售价（元/平方米）；Y6:房地产开发投资（亿元）；Y7 :地区生产总值（亿元）；Y8

4、:贷款利率（%）；Y9:住宅销售面积（平方米）；E:测试集网络输出和目标的误差；:输出层第k个神经元与隐含层第j个关联度:输出层第j个神经元与隐含层第i个关联度:输入量:输出量:隐含层节点数:输入层节点数m:输出层节点数:隐含层激活函数Mse:均方误差η:学习率；a:动量因子goal:收敛误差界值；21三：模型的分析BP神经网络是目前神经网络中使用最为广泛的网络模型，它无论在网络理论还是网络性能方面都已经非常成熟，其突出的优点就是具有很强的非线性映射能力和柔性的网络结构。现实世界中的许多问题，如模式识别、图像处理、系统辨识、函数拟合、优化计算、最优预测等，都可以

5、转换成这种神经元网络来处理，因而BP网络的应用范围较为广泛。3.BP神经网络应用于预测的原理及步骤3.1BP神经网络应用于预测的原理BP神经网络用于预测的基本原理是：建立一个神经网络，用历史数据来训练神经网络，通过神经网络的自学习、自适应来调整网络的连接权的权值去逼近预测对象与预测变量之间的非线性关系，各因子的权重隐含在神经网络的权值中而无需人工干预。经过训练的神经网络提取了蕴藏在样本中的非线性映射关系，并以权值的分布形式储存起来。在预测阶段，当向神经网络输入与训练集数据（非样本）相似的预测变量数据时，它便能完成从输入的预测变量到输出的预测对象的任意非线性映射，

6、从而正确描述无法用数学关系来描述的预测变量与对象之间的规律。在一定的误差容限内，还可以处理非完全的数据。3.2BP神经网络应用于预测的步骤BP神经网络用于预测有三种方式：趋势预测、回归预测和组合预测。本研究的目的就是在现有的数据条件下，采用BP神经网络趋势预测和回归预测的思路，把厦门市房地产住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，通过BP神经网络分析厦门市房地产住宅市场的供给、需求、房价与其影响因素之间的关联关系，然后预测厦门市房地产住宅市场未来的发展情况。具体步骤如下：3.2.1输入变量的分析与预处理一般将一个具有多个输出的网

7、络模型转化为多个具有一个输出的网络模型效果会更好，训练也更方便。为使网络训练更加有效,对神经网络的输入、输出数据进行一定的预处理可以加快网络的训练速度。Matlab提供的预处理方法有归一化处理、标准化处理和主成分分析。常采用的是归一化处理,即将输入、输出数据映射到[-1,1]范围内,训练结束后再反映射到原数据范围。3.2.2.BP神经网络结构设计（1）网络层数的确定理论上证明:具有偏差和至少一个S型隐层加上一个线性输出层的神经网络，能够逼近任何有理函数。本文预测模型采用三层神经网络，即输入层—隐层—输出层结构。大多数通用的神经网络都预先预定了网络的层数,而BP网

8、络可以包含不同的隐层。但