基于rs-svm的商品住宅价格预测研究——以宁波市为例

《基于rs-svm的商品住宅价格预测研究——以宁波市为例》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、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于RS-SVM的商品住宅价格预测研究——以宁波市为例学位申请人：陈绵旺学科专业：管理科学与工程指导教师：蒋根谋教授二零一六年六月独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文

2、中特别加以标注和致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解

3、密后遵守此规定，本论文无保密内容。本人签名____________导师签名__________日期___________摘要基于RS-SVM的商品住宅价格预测研究—以宁波市为例摘要衣食住行是人的最基本需求，在已解决基本温饱的情况下，住房问题越来越成为社会的焦点问题，过去十几年一路上涨的房价引发了大量的投机性购房和恐慌性购房，为了更好地把握房价的走势，让消费者理性购房，同时给房地产开发商投资决策和政府制定政策提供参考，本文在总结现有房价预测方法的基础上，针对现有方法存在的不足，提出粗糙集—支持向量机的房价预

4、测方法，该方法是先基于粗糙集理论对初选的影响住房价格的指标进行约简，然后再以约简后的指标体系为基础运用支持向量机对房价进行回归预测。本文的主要研究内容为：介绍了房地产和商品住宅的相关概念，并在前人研究的基础上总结分析了四大类影响房价的因素，并提出了指标选取的原则；总结了几种常用的的预测房价的方法，鉴于已有方法的缺陷，提出RS-SVM房价预测模型，此外详细介绍了粗糙集和支持向量机的基本理论，并论述了这两种理论之间存在的的互补性；构建了RS-SVM模型的流程图，并详细说明了该预测模型的实现步骤；以宁波市为例，

5、根据指标确定的原则从影响房价的四大类因素中初步选取30个指标，运用Rosetta软件对指标属性进行约简，从得到的所有最小条件指标属性集中选取出前18个出现次数最多的指标构成影响宁波市房价的指标体系，之后用Libsvm工具箱中的epsilon-SVR回归函数以2002～2012共11年的数据作为训练样本，运用改进网格寻优法和交叉验证法找到使均方误差最小的一组参数值，并以这组参数对前11年的房价进行拟合和对2013、2014后两年房价进行预测，并将预测的结果与BP神经网络预测的结果进行对比，结果显示RS-SV

6、M方法比BPNN能有更高的预测精度。关键词：房价预测；粗糙集；支持向量机；IAbstractResearchofCommodityHousingPriceForecastingBasedonRS-SVM--aCaseStudyofNingboCityABSTRACTBasicnecessitiesoflifeisthemostbasichumanneedsinthecountry,peoplehavesolvedthebasicfoodandclothingundertheconditionthatthe

7、housingproblemhasincreasinglybecomethefocusofsocialproblems,thepastdecaderisingpricestriggeredalargenumberofspeculativebuyersandpanicbuyers,inordertobettergraspthetrendofprices,sothatconsumersrationalpurchase,atthesametimetotherealrealestatedevelopersinve

8、stmentdecisionandthegovernmenttoformulatepoliciestoprovideareference,basedonthesummaryoftheexistingpricepredictionmethods,aimingattheshortcomingsoftheexistingmethods,thispaperproposesasupportvectormachinewithroughse