（管理科学与工程专业论文）基于人工神经元网络的商品住宅价格研究.pdf

西安建筑科技大学硕士论文 基于人工神经元网络的商品住宅价格研究 专业；管理科学与工程 研究生：张正东 导师：惠彦涛副教授 摘要 商品住宅价格是当前我国将住宅业培育成新的消费热点和经济增长点的关 键，住宅价格是住宅市场的核心问题，也是各地政府宏观管理与调控的指示灯， 是企业实现利润的保证，是投资决策者的支点。而且，住宅市场的变化关系到广 大消费者的切身利益，商品房价格是升是降，销售是冷是旺，是社会关注的热点 问题。因此，从市场入手，寻求影响商品住宅价格各因素之间的相关关系，定量 分析影响商品住宅价格变动的因子，把握住宅价格时间上的变动趋势以进行科学 预测，对合理确定商品住宅价格，指导国家宏观管理与调控，促进住宅市场健康 稳步发展都具有重要的意义。 论文以人工神经元网络为主要的研究工具和方法。首先，对人工神经元网络 的理论与方法进行了研究；其次，从我国的住宅业现状入手，通过剖析商品住宅 价格的形成，分析了住宅市场的供求关系，并在此基础上指出了影响住宅价格的 各因素：居民收入、居民消费的结构、人口和家庭结构、城市化水平、政府政策 等等；最后，结合人工神经元网络理论及影响住宅价格的因素，建立了商品住宅 价格预测的模型，通过模型检验，实际预测精度较高。通过本文的研究表明，将 人工神经网络延伸应用于商品住宅价格的预测具有一定的可行性、可靠性及实用 性。 【关键词】人工神经元网络住宅价格预测 西安建筑科技大学硕士论文 c o m m o d i t yh o u s i n gp r i c es t u d y o nt h ea r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t h e o r y s p e c i a l t y ：m a n a g e m e n ts c i e n t i f i ca n de n g i n e e r i n g n a m e ： z h a n gz h e n g d o n g i n s t r u c t o r x iy a n t a o a b s r r a c t r e s i d e n c ei sab a s i cm e a n so fl i v e l i h o o dw h i c hm a n k i n dl a yi n l i v i n ga n d d e v e l o p i n g ，a l s oi ti sai m p o r t a n tm a r kw e i 曲i n gt h ee c o n o m i ca n dl i v i n gs t a n d a r di n o n ec o u n t r y t h er e s i d e n t i a li n d u s t r yp r o m o t e p o s i t i v e l ye c o n o m i cg r o w i n gq u i c k l yi n m a n yc o u n t r i e sa n da r e a s ，f o ro u rc o u n t r y ，i ti so f s p e c i a la n di m p o r t a n ts i g n i f i c a n c e f o ro u re c o n o m i cd e v e l o p m e n t i no u rc o u n t r y ，e c o n o m i ci ss t a y i n go n ei m p o r t a n t t u r n i n gp e r i o d ：m a r k e ti sn ol o n g e rs h o r t a g ea n df i n i s h i n gt h et u r n i n gf r o ms e l l e r s m a r k e tt ob u y e r sm a r k e tg r a d u a l l y ，i th a si m p o r t a n tf u n c t i o nt h a tp e o p l e sc o n s u m e a n dd e m a n dl e a dp r o d u c t i o na n dp u s hn a t i o n a le c o n o m i cf o r w a r d u n d e rt h en e w m a r k e ts u r r o u n d i n g s ，r e s e a r c h i n gt h ep r e s e n ts i t u a t i o no fr e s i d e n t i a li n d u s t r yi no u r c o n n t l - y ，a n a l y z i n gt h eq u e s t i o no fi n s u f f i c i e n c ye f f e c t i v ed e m a n di np r e s e n t r e s i d e n t i a li n d u s t r y ，a n dm a k i n go u te f f e c t i v ea n dp r a c t i c a b l ep l a n st oe n l a r g et h e e f f e c t i v ed e m a n di nr e s i d e n t i a li n d u s t r y ，i ti st h ek e yt o p r o m o t et h er e s i d e n t i a l i n d u s t r yd e v e l o ph e a l t h i l ya n dm a k et h er e s i d e n t i a li n d u s t r yb e c o m et h en e wg r o w t h p o i n ti nn a t i o n a le c o n o m i c b e g i n n i n gf r o mt h ea c t u a l i t yo ft h er e s i d e n t i a li n d u s t r yi no u rc o u n t r y ，t h i s a r t i c l ep o i n to u ta l lk i n d so ff a c t st h a ta f f e c tt h er e s i d e n t i a ld e m a n db ya n a l y z i n gt h e c o n c e p to fd e m a n d ，a n a l y z et h eg a pb e t w e e nt h ee f f e c t i v ed e m a n da n dt h ep o t e n t i a l d e m a n do fr e s i d e n t i a lm a r k e ta tp r e s e n tb yu s i n gt h em e t h o do fp o s i t i v i s m ，a n df i n d o u tt h ef a c t o r st h a tm a k et h ed e m a n di n s u f f i c i e n c y f i n a l l y , t h ep a p e ru s e st h e a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t h e o r yt oe s t a b l i s ht h ef o r e c a s tm o d e lo fc o m m o d i t y h o u s i n g t h ef o r e c a s tm o d e l st e s t si nt h i sp a p e rb o t hh a v eaf i r s ta c c u r a c yg r a d ea n da i i 西安建筑科技大学硕士论文 b e t t e r - f o r e c a s tp r e c i s i o n t h r o u 曲t h er e s e a r c ho ft h i sp a p e ri ts h o w st h a ta r t i f i c i a l n e u l a ln e t w o r k ( a n n ) t h e o r ya p p l i c a t i o ni nc o m m o d i t yh o u s i n gp r i c ei sn o to n l y f e a s i b l eb u ta l s or e l i a b l ea n dp r a c t i c a l k e y w o r d ：a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t t o u s i n gp r i c ef o r e c a s t i i i 声明 本人郑重声明我所呈交的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或撰写过的研究成果，也不包含本人或其他人在其它单位 已申请学位或为其它用途使用过的成果。与我一同工作的同志对本研究所做的 所有贡献均已在论文中作了明确的说明并表示了致谢。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：旁备彦 、 日斯： 关于论文使用授权的说明 本人完全了解西安建筑科技大学有关保留、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、缩印或者其它复制手段保存论文。 ( 保密的论文在论文解密后应遵守此规定) 论文作者签名：诰臣身、聊签名：糍嗜，日期：跏西么，弘 注：请将此页附在论文首页。 西安建筑科技大学硕士论文 l - 1 论文研究的背景和意义 1 1 1 论文研究的背景 l 绪论 l 、住房制度改革 我匡l 传统的城镇住房制度是一种以国家统包、无偿分配、低租金、尢限期使 用为特点的实物福利性住房制度。由于这种住房制度存在一系列弊端和难以克服 的矛盾，因此我国对传统的住房制度进行了全面彻底的改革。自1 9 8 0 年6 月， 中共中央、国务院批转了仝国基本建设工作会议汇报提纲，正式宣布将实行 住宅商品化的政策以来，我国住房制度经过_ 十年改革己进入全面实旌和逐步深 化的阶段。1 9 9 8 年国务院关于进一步深化城镇住房制度改革，加快住房建设 的通知宣布，从1 9 9 8 年下半年开始，全国城镇停止住房实物分配，实行住房 分配货币化。这是加快解决城镇居民住房问题，深化住房改革的重要举措。但是 伴随着住房制度改革的不断深入深化，住房商品价格却呈现出涨幅过快，价格过 高的问题，对住房价格的控制和管理越来越受政府、企业和老百姓的关注。国家 为规范房地产市场，理顺市场秩序，让老百姓买得起房，相继采取了一系列措旋。 1 9 9 7 年1 月，国家计委、财政部颁发的关于取消部分建没项目收费，进一步 加强建设项目收费管理的通知，公布了经国务院批准取消的4 8 项建设项目收 费。1 9 9 9 年经国务院批准，国家计委、财政部又下发了关于全面整顿住房建 设收费取消部分收费项目的通知，明令取消了4 7 项不合法、不合理的住房收费 项目，同年颁布了住房公积金管理条例，促进了城镇住房建设，提高了城镇 居民的居住水平。2 0 0 4 年可谓是房地产的政策年，分别颁布了关于土地市场、 房地产会融市场、动拆迁、经济适用房等具体政策，这些房产政策无一不是与百 姓的生活息患相关的。2 0 0 5 年出台的“国八条”以及开征营业税等政策，使部 分地区过热的房地产市场得到抑制，进一步规范了房地产市场。 2 、人民居住水平 改革开放以来，我国住房建设速度加快，人均居住面积每年以0 2 平方米的 速度递增( 见表1 1 ) 。从表中数据可以看到，我国城镇居民人均居住面积以较快 速度在提高。但与海外国家或地区人均居住面积相比，我国城镇居民居住水平还 很低。据统计，1 9 9 6 年我国居民人均居住面积8 1 平方米，而1 9 8 7 年美国人均 屏住面积就己达到4 0 平方米，欧洲国家平均3 5 平方米，前苏联也达到1 4 9 平 方米。由此可见，我国住宅建设虽有较快发展，但远远不能满足城镇居民的住房 方米。由此可见，我国住宅建设虽有较快发展，但远远不能满足城镇居民的住房 西安建筑科技大学硕士论文 需要。中华人民共和国人类住区发展报告提出1 9 9 7 2 0 0 1 年中国人类住区发 展“行动计划”的目标是，到2 0 0 0 年全国城市每户居民有一处住宅，7 0 的家 庭能居住一套使用功能基本齐全的住宅，人均使用面积达到1 2 平方米，“九五” 期问，全国将新建城市住宅面积1 2 亿平方米；到2 0 1 0 年，城镇人均住房使用面 表l 。1 全国城市居民人均居住水平 单位：平方米人 年份 1 9 8 41 9 8 51 9 8 6 1 9 8 7 1 9 8 8 1 9 8 91 9 9 01 9 9 l 1 9 9 2 人均居住面积 4 64 95 26 o6 16 36 66 76 9 人均使用面积6 87 27 68 89 09 39 79 91 0 3 年份1 9 9 31 9 9 41 9 9 51 9 9 61 9 9 71 9 9 81 9 9 9 2 0 0 0 2 0 0 1 人均居住面积 7 17 57 88 18 5889 39 81 0 3 人均使用面积 1 0 71 1 01 1 41 1 81 2 31 3 o1 3 61 4 21 4 9 资料来源：中国统计年鉴2 0 0 2 积达到1 8 平方米。因此，即使城市人口保持在现有水平上，住宅由于居住条件 的改善，住宅潜在需求的总增量也是相当可观的。所以，在未来相当长的一段时 间里，住宅的潜在需求非常巨大，住宅市场前景看好。 3 、我国加入世界贸易组织 2 0 0 1 年1 2 月1 1 日，我国正式加入世界贸易组织( w t o ) ，我国政府将开始 行使世界贸易组织正式成员的权利，同时将承担起世贸组织正式成员的相关义 务。加入w t o 后的中国房地产业，首先面对的一是市场开放，二是成员国的对 等条件，也就是说中国的房地产业将是国际性的，房地产业的经营与管理将逐步 走向健全和规范。入世后，资金实力雄厚、积极寻求商机的国外房地产商将陆续 而至，房地产业面临着国外跨国企业的激烈竞争。但是竞争的加剧将促使房地产 行业的利润平均化，房地产行业平均利润下降，有利于缓解房价和市场需求的矛 盾，从而推动国内房价理性平缓地回落。同时，商品房的性价比会提高，房价收 入比将趋向合理。 4 、住宅价格市场化 住宅价格市场化是指参与市场交易的住房总量中以市场价成交的面积的比 重。从我国目前住宅市场发展状况来看，住宅价格序列有：商品住宅的市场价、 经济适用住房的成本价、公有住房出售的优惠价或标准价。商品住宅的市场价占 各种住宅价格比重反映了住宅价格市场化程度。在西方发达国家，住宅供给越来 越多地由政府和非盈利组织转向私营开发商，住宅价格市场化程度都比较高，一 西安建筑科技大学硕士论文 般在8 0 左右。从我国住宅价格市场化程度看，我国住宅价格市场化水平，总体 上说是逐步提高的，随着我国经济的发展以后这种市场化程度还会继续上升。 ( 1 0 0 的住宅商品化是不可能的，“人人享有适当的住房”才是荐国政府的目 标。) 由上可见，随着住房制度改革的深化，人民居住水平的提高，中国加入w t o 的利好，我国商品住宅市场面临的许多问题都将有所缓解，住宅市场必将得以持 续、健康、规范发展，同时，商品住宅价格的变化也将逐步显露其内在的规律性。 因此，运用一定的数学方法对商品住宅价格的变化进行量化研究，是未来商 品住宅市场发展的需要和趋势所在。正是在这样一种形势下，选择了以人工神经 元网络理论为工具的商品住宅价格研究作为本人的硕士论文选题。 1 1 2 论文研究目的和意义 商品住宅价格是当前我国将住宅业培育成新的消费热点和经济增长点的关 键，住宅价格是住宅市场的核心，也是各地政府宏观管理与调控的指示灯，是企 业实现利润的保证，是投资决策者的支点。而且，住宅市场的变化关系到广大消 费者的切身利益，商品房价格是升是降，销售是冷是旺，是社会关注的热点问题。 囚此，从不同角度来看，对商品住宅价格的研究都存在着重要的理论与现实意义。 商品住宅价格的变化受市场供求、人口、居民收入水平、经济政策等诸多因 素的影响，其随时间变动的过程具有很大的不确定性，为较全面地刻画各方面对 住房价格的影响，以把握未来住房价格的变动趋势，本文试图将人工神经元网络 理论的预测方法，延伸应用于商品住宅价格的研究，旨在研究影响商品住宅价格 变动的众多因素以及各因素之间的变化关系，从而对住宅价格进行科学的预测。 商品住宅价格走势的研究是一项重要的经济管理工作。随着我国加入w t o ， 房地产业也将逐渐走向国际市场，企业问的竞争日益激烈。通过对住宅价格进行 预测，从而掌握其走势，对指导住宅的生产、销售，提高企业的竞争力，具有重 要的意义。而且，这对政府制定宏观管理政策以及房地产估价业也同样具有实际 的指导意义。 1 2 国内外研究现状 神经网络是一门活跃的边缘性交叉学科，研究它的发展过程和前沿问题，具 有重要的理论意义。神经网络理论是巨量信息并行处理和大规模平行计算的基 础，神经网络既是高度非线性动力学系统，又是自适应组织系统，可用来描述认 知、决策及控制的智能行为它的中心问题是智能的认知和模拟。从解剖学和生 理学来看，人脑是一个复杂的并行系统，它不同于传统的n e u m a n n 式计算机， 西安建筑科技大学硕士论文 更重要的是它具有“认知意识”和“感情”等高级脑功能。我们以人工方法 摸拟这些功能，毫无疑问，有助于加深对思维及智能的认识。8 0 年代初，神经 网络的崛起，已对认知和智力的本质的基础研究乃至计算机产业都产生了空前的 刺激和极大的推动作用。 近十年来，神经网络理论与实践有了引人注目的进展，它再一次拓展了计算 概念的内涵，使神经计算、进化计算成为新的学科，神经网络的软件模拟得到了 广泛的应用近几年来科技发达国家的主要公司对神经网络芯片、生物芯片独有 情钟例如i n t e l 公司、i b m 公司、a t & t 公司和h n c 公司等已取得了多项专利， 已有产品进入市场，被国防、企业和科研部门选用，公众手中也拥有神经网络实 用化的工具，其商业化令人鼓舞。尽管神经计算机、光学神经计算机和生物计算 机等研制工作的艰巨性和长期性，但有一点可以使人欣慰：它现在还只是初露锋 芒，有巨大的潜力与机会，前景是美好的。但将人工神经元网络理论应用于我国 商品住宅价格这一研究领域，在我国还尚未见有报导。 在国外，由于住宅市场发展成熟，住宅交易及租赁市场活跃，历史和现实都 积累了大量数据，因此对住宅价格的研究早已从定性分析进入到定量研究，而且 定量化理论研究在不断的深入、完善。例如，国外的住宅享乐价格评估模型，自 8 0 年代初j a m s 提出，至今己有很长的理论研究和实际应用时间。此外，系统动 力学，回归分析，贝叶斯定理等数学方法也已大量应用于住宅价格研究领域。而 我国，在2 0 世纪9 0 年代的房地产业经济浪潮中，短短几年内，商品房价格从一 开始的每平方米数百元，迅速上升到数干元，高档住宅出现了几万元的价格。从 而商品住宅价格一时成为房地产学术界和实务界关注的焦点、讨论的热点问题。 从近年的文献资料及研究论文( 见论文后的参考文献一栏) 来看，我国学者对我 国的商品住宅价格进行了大量研究，主要集中在：合理房价的研究、房价收入比 的研究、房价构成的研究、房价偏高的原因及对策研究通过大量的深入分析与探 讨，在上述各方面都研究出了具有理论价值和实际指导意义的成果。但是，在这 些研究中对商品住宅价格的变动过程研究甚少，运用某种理论对商品住宅价格的 趋势进行分析更是不多见，因此，本论文的研究还是一个新课题。 1 3 论文研究对象的界定及主要内容 1 3 1 论文研究对象的界定 论文主要以商品住宅的价格为研究对象。理想的商品住宅价格是在市场机 制作用下，由商品住宅市场活动参与者本着公平、自愿、公开的原则而达成的市 场价格，文中所指的商品住宅是指由具有经营资格的房地产开发公司开发经营的 住宅，非市场机制作用下所形成的住宅福利价、折扣价、标准价、成本价及廉租 4 西安建筑科技大学硕士论文 屋租赁价格等不是本文的研究对象。由于我国房地产业起步晚，住宅二级市场( 也 称存量住宅交易市场) 发育缓慢，市场缺乏足够的交易实例以体现一定时期商品 住宅的市场价格，因此，论文中的商品住宅价格选取的都是住宅一级市场( 也称 增量住宅交易市场) 的价格，也就是商品住宅总体上的平均售价。同时，考虑到 住宅的不可移动性，决定住宅价格水平高低的供求状况主要是本地区住宅的供求 关系，所以论文选择了西安市的商品住宅价格变动作为价格预测的对象，在其它 相关数据的收集过程中，本文也考虑到了这一区域性问题。 1 3 2 论文研究的主要内容 本文首先对主要的研究工具一人工神经元网络进行了理论与方法研究。其 次，在商品住宅供求价格形成理论的基础上探讨了商品住宅供求价格的形成及价 格的变动过程，并从商品住宅供给和商品住宅需求的角度对影响商品住宅价格变 动的主要因素进行了分析。本文通过对西安市商品住宅价格的分析，确定了影响 西安市近年来商品住宅价格变动的主要因素。论文最后，运用人工神经元网络理 论建立了西安市商品住宅价格的预测模型，通过模型检验，实际预测精度较高， 为国家宏观调控提供了可靠的依据。通过论文的研究表明，将人工神经元网络理 论应用于商品住宅价格变动研究具有定的可行性、可靠性及实用性。 1 4 论文研究方法和思路 本文主要采用定性分析与定量分析相结合，规范分析与实证分析相结合的 方法。在对商品住宅市场供求价格的形成及变动过程定性分析的基础上，运用人 工神经元网络相关理论对西安市近年来的商品住宅价格变动进行了定量分析与 实证研究。论文的研究思路如下图所示： 图1 - 1 论文研究思路图 5 西安建筑科技大学硕士沦文 2 人工神经元网络理论 2 1 人工神经元网络的发展 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) 是一门崭新的信息处理科学， 是用来模拟人脑结构和智能的一个前沿研究领域，因其具有独特的结构和处理信 息的方法，使其在许多实际应用中取得了显著成效。近年来，由于神经科学、数 理科学、信息科学、计算机科学的快速发展，使得研究以大脑工作模式，非程序 的信息处理的人工神经网络成为可能。人工神经网络不需构建任何数学模型，只 靠过去的经验和专家的知识来学习，通过网络学习达到其输出与期望输出相符的 结果，目前主要用来处理模糊的、非线性的、含有噪声的数据。 人工神经网络系统理论的发展历史是不平衡的，自1 9 4 3 年心理学家 m c c u l l o c h 与数学家p i t t s 提出神经元生物学模型( 简称m p 一模型) 以来，至今已 有6 0 多年的历史了。在这6 0 多年的历史中，它的发展大体上可分为以下几个阶 段。 自1 9 4 3 年m p 模型产生起，至6 0 年代止，这段时间可成为人工神经网络系 统理论的初期阶段，这时的主要特点是多种网络模型的产生与学习算法的确定， 如1 9 9 4 年有h e b b 提出的h e b b 学习规则，这个规则至今仍是神经网络系统理论 学习算法的一个基本规则。 6 0 年代末至7 0 年代，人工神经网络系统理论的发展处于一个低潮时期。造 成这一情况的原因是人工神经网络系统理论的发展出现了本质上的困难，即电子 线路交叉极限的困难( 对1 3 个神经元就有1 2 2 条连线) 。这在当时条件下，对神经 元的数量n 的大小受到极大的限制，因此它不可能去完成高度智能化的计算任 务。 8 0 年代中期人工神经网络得到了飞速的发展。这一时期，多种模型、算法与 应用问题被提出，主要进展如：b o l t z m a n n 机理论的研究，细胞网络的提出，性 能指标的分析等。 9 0 年代以后，人工神经网络系统理论进入了稳健发展时期。现在人工神经网 络系统理论的应用研究主要是在模式识别、经济管理、优化控制等方面：与数学、 统计中的多个学科分支发生联系。 2 2 人工神经元网络的应用 在介绍神经网络的应用之前，首先，了解一下什么是数学模型。 数学模型是某些事务或现象的一种“类似”。从我们所讨论的角度，数学模 6 西安建筑科技大学硕士论文 型是一个显示系统本质方面的表示形式。数学模型是对实体的特征和它的变化的 一种表示或抽象。数学模型与实体系统又不完全等同，它仅仅表示出客观实体系 统中我们所研究问题时感兴趣的那些主要特征，它符合我们所需要的方式表达实 际系统的一种形式。所以，一个精确的数学模型，应该比较正确的反映出真实系 统中的输入、输出和状态之间的变量关系。 随着对现实系统所研究的范围大小和复杂程度的差异，建立其模型的困难程 度差异也很大。以下将介绍两种常见的模型：基本模型( f u n d a m e n t a lm o d e l ) 和黑箱模型( b l a c kb o xm o d e l ) 。 基本模型是根据现实系统的基本物理、化学定律等理论为基础而得到的一种 模型，这种建模的方法往往因为现实系统的结构过于复杂，或是其中存在着一些 未知或不确定的参数和干扰等问题而导致失败或实用价值较低。 黑箱模型是在对所研究现实系统一无所知的情况下，将现实系统视为“黑匣 子”，而仅借助于输入和输出数据，透过数学技巧来决定系统的模式。神经网络 就是一个黑箱建模工具，如图2 1 所示，与其他方法相比，具有如下优点： 输入 输入 图2 1 现实系统和神经网络黑箱模型 输出 输出 l 、较强的适应能力； 2 、较强的学习能力： 3 、是一个真正的多输入多输出系统。 神经网络理论的应用取得了令人瞩目的进展，特别是在人工智能、自动控制、 计算机科学、信息处理、机器人、模式识别、c a d c a m 等方面都有重大的应用实 例。下面列出一些主要的应用领域： l 、模式识别和图像处理 印刷体和手写体字符识别、语音识别、签字识别、指纹识别、人脸识别、人 体病理分析等。 2 、控制和优化 西安建筑科技大学硕士论文 化工过程控制、机器人运动控制、家电控制、半导体生产中掺杂控制、石油 精炼优化控制和超大规模集成电路布线没计等。 3 、预报和智能信息管理 股票市场预测、地震预报、有价证券管理、借赁风险分析、i c 卡管理和交通 管理。 4 、通信 自适应均衡、回波抵消、路由选择和a t m 网络中的呼叫接纳识别及控制等。 5 、空间科学 空间交会对接控制、导航信息智能管理、飞行器制导和飞行程序优化管理等。 2 3 人工神经元模型 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在 自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神 经网络完成特定的功能。 一般的神经网络都是 得到要求的输出。如 图2 2 所示。这里， 网络根据输出和目标 的比较而调整，直到 网络输出和目标匹 配。作为典型，许多 输入、目标对应的方 法已被用在有监督模 式中来训练神经网 络。 图2 2 人工神经元网络原理 图2 3 表示作为人工神经元网络( a r t i f i c i a ln e u r a ln e t w o r k s ，以下简称 n n ) 的基本单元的神经元模型，它有三个基本要素： l 、一组连接( 对应于生物神经元的突触) ，连接强度由连接线上的权值给出， 权值为正的表示激活，为负的表示抑制。 2 、一个求和单元，用于求取各输入信号的加权和( 线性组合) 。 3 、一个非线性变换函数，起非线形映射作用，并将神经元输出幅度限制在 一定范围之内( 一般限制在 0 ，1 或 一l ，1 之间) 。 8 西安建筑科技大学硕士论文 连接权 图2 3 基本神经元模型 输出 儿 此外还有一个阈值最( 或偏值魄= - o k ) 。 以上可分别用数学公式表示出来： u k = ，唯= 栉吐= 蚝一皖，y k = 伊( 唯) 式中五，x 2 ，吒为糯i 入信号，w k l ，w k ：，k 为神经元k 之的权值，u k 为线性组 合结果，o k 为闽值，妒( ) 为变换函数，n 为神经元k 的输出。 激活函数可以有几种形式，如阈值函数，分段线性函数，s i g m o i d 函数等。 最常见的s i g m o i d 函数形式是： p ( v ) = 瓦菰1 丽 其中参数a o 控制其斜率。另一种常见的是双曲线正切函数： 妒一t 出睁2 篇 2 4 网络的结构及其工作方式 除单元特性外，网络的拓扑结构也是n n 的一个重要的特性。从连接方式来 看，n n 主要分为下列两种： 1 、前馈型网络：各神经元接受前一层的输入，并输出给下一层，没有反馈。 连接点分为两类，即输入单元和计算单元，每一计算单元可有任意个输入，但只 有一个输出( 它可耦合到任意多个其它结点作为输入) 。通常前馈网络分为不同 的层，第i 层的输入只与第i l 层的输出相连，输入和输出结点与外界相连，而 其它中间层则称为隐层。 9 西安建筑科技大学硕1 论文 2 、反馈网络：所有结点都是计算单元，同时也可接受输入，并向外界输出。 这种网络可以画成一个无向图，其中每条连接线都是双向的。 因为前馈网络最典型，而且研究也比较深入，所以本文采用了前馈网络方法。 n n 的工作过程主要分为两个阶段： 第一个阶段是学习期，此时每个计算单元的状态不变，而各条连接线上的权 值可通过学习来修改；第二阶段是工作期，此时n 个连接权固定，而计算单元的 状态发生变化，以达到某种稳定状态。 从作用效果来看，前馈网络主要是函数映射，可用于模式识别和函数逼近。 反馈网络则主要用于求解最优化问题。 2 5 神经网络的学习 2 5 1 学习方法 通过向环境学习以获取知识并改进自身性能，是n n 的一个重要特点。在一 般情况下，性能的改善是在某种预定的度量标准下，通过逐步调节自身参数( 如 权值) 而达到的。神经网络的学习主要包括两部分内容，即学习方式与学习算法。 神经网络的学习方式有下列三种： ( 1 ) 监督学习( 有教师学习) 图2 4 有教师指导的学习框图 如图2 4 所示，这种学习方式需要外界存在一个“教师”，他可以给定一组 输入提供应有的输出结果，这组已知的输入输出数据称为训练样本集，学习系统 ( 神经网络) 可根据已知输出与实际输出之问的差值( 误差信号) 来调节系统参 数。 ( 2 ) 非监督学习( 无教师学习) 如图2 5 所示，非监督学习时不存在外部教师，学习系统完全按照环境提供 数据的某些统计规律来调节自身参数和结构( 这是种自组织过程) ，以表示外 1 0 西安建筑科技大学硕士论文 部输入的某种固有特性( 如果聚类或某种统计上的分布特征) 。 图1 5 无教师指导的学习框图 ( 3 ) 再励学习( 或强化学习) 动作 图2 6 再励学习框图 如图2 6 所示，这种学习介于上述两种情况之间，外部环境对系统输出结果 只给出评价信息( 奖或罚) 而不是给出正确答案。学习系统通过强化那些受奖的 动作来改善自身的性能。 2 5 2 学习算法( 学习规则) ( 1 ) 误差纠正学习 令y k ( r t ) 为输入k ( 国时，神经元k 在n 时刻的实际输出，d k ( n ) 表示应有的 输出( 可由训练样本给出) ，则误差信号可写为： e k ( n ) = d k ( ，| ) 一y ( 嘭 误差纠正学习的最终目的是使某一基于e k ( n ) 的目标函数达到最小，以使网络 中每一输出单元的实际输出在某种统计意义上逼近应有输出。一旦选定了目标函 数形式，误差纠正学习就变成了一个典型的最优化问题，最常用的目标函数形式， 误差纠正学习就变成了一个典型的最优化问题，最常用的目标函数是均方差判 据，定义为误差平方和的均值： j = 昱【二1 2 砟 厶k 其中e 为期望算子，上式的前提是被学习的过程是宽平稳的，具体方法可用 最优梯度下降法。直接用j 作为目标函数时需要知道整个过程的统计特性，为解 决这个问题，通常用j 在时刻n 的瞬时值f ( ”) 代替，即 善( n ) = 去咖 西安建筑科技大学硕士论文 问题变为求4 ( n ) 对权值w 的极小值，据梯度下降法可得： 其中7 7 为学习步长，这就是通常所说的误差纠正学习规则( 或称d e l t a 学习 规则) 。 ”匆2q e k ( h ) 巧( ) ( 2 ) h e b b 学习 由神经神经心理学家h e b b 提出的学习规则可归纳为“当某一突触( 连接) 两端的神经元同步激活( 同为激活或同为抑制) 时，该连接的强度应增强，反之 应减弱”。用数学方式表达可描述为： = f ( y k ( n ) x j ( n ) ) 式中y a n ) 、x ，( 分别为两端神经元的状态，其中最常用的种情况是： = q y k ( n ) x j ( n ) 由于与n ( 柞) 、x j ( n ) 的相关成比例，有时称为相关学习规则。 ( 3 ) 竞争学习 顾名思义，在竞争学习时，网络各输出单元互相竞争，最后达到只有一个最 强者激活，最常见的一种情况是输出神经元之问有侧向抑制性连接，这样原来输 出单元中如果某一单元较强，则它将获胜并抑制其他单元，最后只有此强者处于 激活状态。最常用的竞争学习规划可写为： a w 。= 即( t w 。) ， 若神经元j 竞争获胜 a w 。= 0 ， 若神经元j 竞争失败 2 5 3 学习与自适应 当学习系统所处环境平稳时，从理论上讲通过监督学习可以学到环境的统计 特性，这些统计特性可被学习系统( 神经网络) 作为经验记住。如果环境是非平 稳的，通常的监督学习没有能 力跟踪这种变化，为解决此问 题，需要网络有一定的自适应 能力，此时对每一不同输入都 作为一个新的例子来对待。其 工作过程如图2 7 所示，此时 模型( 即神经网络) 被当作一 个预测器，基于前一时刻输入 x ( n 1 1 和模型在”一1 时刻的 参数，它估计r l 时刻的输出 量( n ) ，量( 门) 与实际值x ( ) ( 作 输入信号 图2 7 自适应系统框图 西安建筑科技大学硕士论文 为应有的正确答案) 比较，其差值称为新息，如新息e ( n ) = 0 ，则不修正模型参 数，否则应修正模型参数以便跟踪环境变化。 2 6b p 神经元网络 2 6 1 什么是b p 神经网络 b p ( b a c kp r o p a g a t i o nn e u r a ln e t w o r k ) 网络是r u m e l h a r t 和m c c l e l l a n d 于 1 9 8 5 年提出的，它的全称是误差逆传播模型，或称逆传播，简称b p 网络。b p 网络模型实现了多层人工神经网络的设想，其基本结构包含一个输入层、一个输 出层和中间的隐含层。它是一种反向传递并修正误差的多层映射网，在参数适当 时，能够收敛到较小的均方误差。假定b p 网络中隐蔽层的单元数可以根据需要 自由设定，那么这样一个三层网络可以实现以任意精度近似任何连续函数。这就 使得众多现实世界的问题可以得到解决，比如模式识别、预测、控制等，所以 b p 网络模型是当前最流行的一种网络。 2 6 2b p 模型的结构分析 b p 神经网络是由一种具有一个输 入层，一个或多个隐含层和一个输出层 构成的多层网络。每一层上的神经元都 通过权值与其他层上的各神经元互相 连接，隐含层和输出层上的各个神经元 都对应于一个激发函数和一个闽值，输 入层上的神经元其阈值为零，即输出等 于输入。如图2 8 b p 网络模型结构。 3 p 神经网络隐含层和输出层上的 某神经元j 的输出o ；由下式确定： 图2 8b p 网络模型结构 q = f s ( n e t , ) = 乃( 葺+ 已) 输出 隐层 输入 其中：f 表示神经元件j 对应的激发函数：p ，表示神经元j 的阈值；t 表示 对神经元j 的各个输入；表示对应输入和该神经元j 的连接权值。 对于激发函数厂，目前用的最多的是s i g m o i d 函数： m ) = 专 b p 网络的存储信息主要体现在两个方面，一是网络的体系结构，即网络输 西安建筑科技大学硕士论文 入层、隐含层和输出层节点的个数；二是相邻层节点之间的连接权值。输入层和 输出层节点个数由系统应用决定，一般来说是确定的。而隐含层节点个数由用户 凭经验决定，个数过小，将影响到网络的有效性，过大，会大幅度增加网络训练 的时间。 总之，b p 网络的输入输出之间是一种映射关系，一个n 输入m 输出的b p 网络所完成的功能是从n 维欧氏空间向m 维欧氏空间中一个有限域的连续映射， 这一映射是非线性的，无法用某个数学表达式表现。b p 网络的信息处理能力来 源于简单非线性函数的多次复合，具有极强的函数复现能力。b p 网络能够得以 广泛应用，主要的原因是它的函数复现能力，而有效的学习算法是b p 网络的函 数近似功能得以实现的基础。 2 6 3b p 网络的学习 b p 网络学习的目的是要使网络以给定的精度实现所需要的映射，学习过程 由正向传播过程和反向传播过程组成。在正向传播过程中，输入信息从输入层经 过中间层，处理后传向输出层，如果在输出层得不到期望的输出，则取输出的误 差的平方和作为目标函数，转入反向传播，逐层求出目标函数对各神经元权值的 偏导数，构成目标函数对权值向量的梯度向量，作为修改权值的依据，网络的学 习过程其实就是权值的逐渐修改过程，网络的输出结果在预定的范围之内，就认 为网络的学习完毕。 具体的步骤简述如下： 步骤一：b p 网络的初始化，确定各层节点的个数。将各个权值和阈值的初 始值设为比较小的随机数； 步骤二：输入样本和相应的输出，对每一个样本进行学习，即对每一个样本 数据进行步骤三到步骤五的过程； 步骤三：根据输入样本算出实际的输出及其隐含层神经元的输出； 步骤四：计算实际输出与期望输出之间的差值，求输出层的误差和隐含层的 误差； 步骤五：根据步骤四得出的误差来更新输入层一隐含层节点之间、隐含层 输出层节点之间的连接权值； 步骤六：求误差函数e ，判断e 是否收敛到给定的学习精度以内 ( e 拟定误差s ) ，如果满足，则学习结束，否则，转向步骤二继续进行。 2 6 4 b p 网络模型的主要特点 首先，b p 算法是有指导的学习，是靠调节相邻层节点之间的权值来使网络 西安建筑科技大学硕士论文 对训练组进行学习，其执行优化的基本方法是梯度下降法，它的算法可使网络产 生的实际输出与期望的输出相一致。 b p 网络模型是一个具有隐含层的网络，其算法是由正向传播和反向传播组 成，模式从输入层输入，经隐含层处理后传入输出层，正向传播阶段，每一层的 神经元状态只影响下一层神经元的状态。如果输出层得不到期望的输出结果，则 进入误差反向传播阶段，网络根据反向传播的误差信号修改各层的连接权，使误 差信号达到最小，从而可以产生输入一一输出的非线性映射，这正适合解决各领 域预测等非线性复杂问题。 西安建筑科技大学硕士论文 3 商品住宅市场价格分析 本章从一般商品价格形成理论出发分析了当前房地产界对商品住宅价格形 成存在的四种不同理论观点。文章以西方经济学的供求价格理论为基础，分析了 住宅商品市场供求价格的形成及变动过程，进而对影响商品住宅价格变动的主要 因素进行了分析。 3 1 商品住宅价格的特点 商品住宅价格和其它一般商品价格相比，既有共同点，也有不同点。共同点 主要有：都是价格，须用货币的形式表现出来；都有价格高低的变化，质优者价 格高。商品住宅价格与其它一般商品不同的特征表现在以下几方面： 1 、价格的地区性 由于土地的固定性，住房不能移动，所以住房没有产地和销地的区分。住房 价格的地区性主要反映在不同城市、不同区域之间的住房差价。一般来说，相同 质量的房屋，其价格大城市高于中小城市；沿海城市高于内地城市；市场经济发 达城市高于发展中的城市。此外，即使在同一城市，商品住房价格也有明显的地 区差别，也有好地段与差地段之分。 2 、价格实体的双重性 住房是以土地和固着于土地之上的房屋设施为主要物质形态的财产及其权 属关系。这种特征规定了住房价格在其内涵上具有双重的实体性基础。其中一部 分来源于开发和房屋建筑安装劳动所形成的价值，另一部分来源于土地使用权价 格( 从经济意义上说，它是地租的资本化，是土地所有权在经济上的实现) 。住房 价格的这一特征，是其本质特征。 3 、价格的高位性 住房价格的高位性，是指住房商品的价值量大，价格数额高，是超高档的商 品。与其他生活资料相比，这无疑是一项高价位的商品。住房价格的高位性，主 要是由开发建设这一商品的巨大资金、物质、劳动、投入和土地等因素造成的。 4 、价格的单件性 住房具有单件性的特点，每套住房都有不同于其他住房的特殊方面，这些不 同反映到价格上，就形成了价格的单件性。其涵义是： ( 1 ) 住房都是单件生产的，在生产过程中要受多种因素的影响； ( 2 ) 没有完全相同的住房，除地理位置、建造条件等不同外，在建造标准、 设施配套等方面也千差万别。根据商品经济的要求，价格自然也不样； 1 6 西安建筑科技大学硕士论文 ( 3 ) 住房交易要受交易主体之间个别因素的影响。 5 、价格的扩散效应性 住房市场是商品市场体系的一个极其重要的组成部分，住宅产业是带动面和 带动度都很大的产业，住宅的生产( 建设) 涉及建筑材料、建筑、冶金、木材、 化工、机电、金属结构等几十个工业部门，上万个品种。据1 9 9 6 年的统计数据， 住宅建设的诱发系数为1 9 3 ，即住宅建设每投入l 万元，可以诱发