【灰色预测与神经网络组合模型的房地产价格预测分析案例5700字】

灰色预测与神经网络组合模型的房地产价格预测分析案例 1 1 2 81.4灰色预测模型的房地产价格预测 9 1.1多元线性回归原理多元线性回归中，一个因变量开始由多个自变量写成矩阵形式，为量变动的百分比。取值在0到1之间，由回归模型所解释的y方差百分比决定。1.2多元线性回归模型的房地产价格预测因子F1和F2,因变量房地产价格Y的实验数据，如表7所示。年份Y在主成分分析的基础上，将提取的F1、F2作为自变量，平均销售价格Y作为因变量,利用SPSS软件进行多元线性回归拟合,初次得到房地产销售价格的Y=5653.533+1768.851F₁-205.模型R调整后R平方标准偏斜度错误1模型平方和F显著性回归残差统计4166302.3642由表可以看出,F检验的显著性为0.000<0.05,结果表模型非标准化系数T显著性B标准错误常数模型RR平方调整后R平方标准偏斜度错误1模型平方和F显著性回归1统计模型非标准化系数标准化系数T显著性B标准错误常数等于0.902,说明剔除被解检验的显著性为0.000<0.05,说明二次拟合的年=1,2006年=2,...,2019等于0.969,说明模型拟模型R1模型平方和F显著性回归1残差统计模型非标准化系数标准化系数T显著性B标准错误常数t年份年份方程得到南宁市2005-2019年房地产价格预测值(如表18所示表18回归模型预测值与真实值的对比年份真实值预测值相对误差作出房地产价格预测值和真实值的对比图(图1):预测值20062008201020122014年份由表19可以看出，多元线性回归模型预测出来的房地产价格呈上升趋势，1.3灰色预测原理过累加生成新序列X(1)={x(1)(1),X(11)模型相应的微分方程为：令ei=|△O)(i)-△O|,So=0.6745S₁,1.4灰色预测模型的房地产价格预测差概率(P)和后验差比值(C值)对模型进行检验数列随机性较强，但是灰色预测模型得到的预测结果与模型精度也就越高Iiil。后验差判别表如表20所示，主要参考C值，C值为绝对PC模型精度好不合格面积(X₃)、商品房销售面积(X₄)、常住人口数量(X₅)、城镇居民人均可支配收入(X₆)、地区生产总值(X₇)、公共财政预算支出(X8)、在岗职工平均工资 (X₉)、居民消费价格指数(X10),这些指标建立灰色预测模型，得到这些指标X(1)(2)=X(1)(1)+X(0)(2)=24x(1)(3)=X(1)(2)+X(0)(3)=X(1)(4)=X(1)(3)+X⁰)(4)=6X(1)(5)=X(1)(4)+X(0)(5)=84x(1)(6)=X(1)(5)+X(0)(6)=1X(1)(7)=X(1)(6)+X(0)(7)=155x(1)(8)=X(1)(7)+X(0)(8)=1X(1)(9)=X(1)(8)+X(0)(9)=233X(1)(10)=X(1)(9)+X⁰)(10)=28X(1)(11)=X(1)(10)+x⁰)(11)=35X(1)(12)=X(1)(11)+X(0)(12)=440X(1)(13)=X(1)(12)+X⁰)(13)=53X(1)(14)=X(1)(13)+X(0)(14)=64X(1)(15)=X(1)(14)+X⁰)(15)=79第二步：构造矩阵B和数据向量Yn。1111工1111第三步：计算BTB,(BTB)-1,x(1)(k+1)=105.11e⁰.18k-54X(1)(k+1)=188.37e⁰.038k-6924X(1)(k+1)=489.85e0.089k-6915x(1)(k+1)=454.94e0.118k-2532X(1)(k+1)=659.54e⁰.0054k-12314城镇居民人均可支配收入(X₆)预测模型：X(1)(k+1)=9203e0.087k-13064X(1)(k+1)=723.36e⁰.104k-107X(1)(k+1)=73.55e⁰.129k-109X(1)(k+1)=100.3e-0.001k+102020年预2021年预2022年预2023年预2024年预好勉强合格好好好好88.1%好好好不合格商品房销售面积(X₄)、常住人□数量(X₅)、城镇居民人均可支配收入(X6)、地区生产总值(X₇)、公共财政预算支出(X8)和在岗职工平均工资(X9)预测特定的功能。人工神经网络主要通过大量的神经元相计算模拟出输出值。如图2图中的节点部分依次对应为输入层、隐层、输出层。图2神经网络示意图修正神经元间的联系，直至误差达到预先设定值，训练结束，建立训练模型fi。1.6灰色预测与神经网络组合模型的房地产价格预测本次南宁市房地产价格预测为了全面考虑主要参数对房地产价格预测的影响，将对房地产价格因素影响较大的10个参数作为神经网络的输入参数，以房预测房地产价格特征量的选取，可知输入层为10个神经元，输出层为1个神经本次神经网络模型输入层神经元个数为10,输出层神经元个数为1,所以可接下来将10个南宁市房地产价格影响因素的历史数据和灰色预测模型预测用BP神经网络进行建模，输入的神经元个数南宁市房地产价格的10个影响因素，学习的最大次数为1000次。将数据零均值标准化后，代入南宁市房地产价输出层1个节点，最终得到南宁市2020-2024年的房地产价格预测值并且做了如图3真实值与预测值的对比图：y由图3可以看出，灰色预测与神经网络组合模型预测的结果与真实值基本吻表22灰色预测与神经网络组合模型预测值与真实值的对比年份真实值预测值相对误差由表可以发现，真实值与预测值相差不大，两者相对误差绝对值最大为作出2020-2024年预测值如表：表23灰色预测与神经网络组合模型202年份预测值由表23可看出，灰色预测与神经网络组合模型预测的结果呈上升趋势。模型的预测结果对比情况，如表24所示。年份真实值(回归)相对误差预测值(组合)相对误差相对误差平方和归模型预测的房价与真实值的相对误差平方和为0.052817228,灰色预测与神经网络组合模型预测的相对误差平方和为0.014922213,灰色预测与神经网络组合对比曲线如图4所示。200620082010图4模型预测结果对比图由图4可直观看出灰色预测与神经网络组合模型