APP下载

基于BP神经网络的城市房价预测

2018-08-16叶斯林雷忠雨

科技传播 2018年14期
关键词:影响因素

叶斯林 雷忠雨

摘 要 近年来,房價持续上涨,买房人压力逐渐增大,房价预测成为人们谈论的焦点话题。文章针对近期房价走势预测问题,在综合考虑历史房价、人口数目、GDP、在岗平均工资和人均可支配收入等5个因素对房价影响基础上,利用BP神经网络实现城市房价预测,并对重点城市2018年3月到5月的房价进行了预测,对房价预测影响因素的贡献度进行了分析。

关键词 房价预测;影响因素;BP神经网络;贡献度分析

中图分类号 G2 文献标识码 A 文章编号 1674-6708(2018)215-0156-03

近年来,我国房地产市场迅猛发展,房价也在一路攀升,买房成为人们谈论最多的话题,同时如何在合适的时候出手买房也成为人们关注的焦点,由此便产生了房价的预测问题。目前研究主要集中在两个方面,一是研究引起房价变化的主要因素,另一方面是选择合适的数学模型对房价进行预测。

文献[1]将房价的影响因素分为4个方面:自身因素、经济因素、政策因素和人口因素,并详细分析了各因素的影响原因及影响大小。已有的数学模型主要包括确基于时间序列模型、基于经验预测模型和基于智能化预测模型三大类。其中基于时间序列模型是认为房价变动只受时间的影响,根据房价随时间的变化趋势,对二者之间的关联性进行建模,再利用所建模型对未来房价进行预测。

基于经验预测模型是根据实际得到的与房价有关因素的数据进行数理统计分析,再按照一定的原则,如误差最小原则,归纳出各因素与房价之间满足的数学关系,然后对未来房价进行预测;……

登录APP查看全文

猜你喜欢

影响因素
房地产经济波动的影响因素及对策
零售银行如何赢得客户忠诚度
医保政策对医疗服务价格影响因素的探讨
东林煤矿保护层开采瓦斯抽采影响因素分析
影响农村妇女政治参与的因素分析
高新技术企业创新绩效影响因素的探索与研究
水驱油效率影响因素研究进展
突发事件下应急物资保障能力影响因素研究
环卫工人生存状况的调查分析
农业生产性服务业需求影响因素分析