在线客服

咨询热线

2017年重庆市房价预测基于BP神经网络

作者:未知

  【摘要】2016年底本市的房地产市场出现异象,房价上涨速度加快,引起了大家的关注。房价的上涨不仅与消费水平,还与GDP、供地价格等有关。本文利用2006——2016的重庆GDP数据等相关数据,建立神经网络模型。通过与实际数据进行比较验证模型有效性,并预测2017年房价。
  【关键词】重庆市房价 预测 神经网络
  1引言
  自2010年以来,房地产市场突然爆发,出现了房产“小高峰”。由此带来房价上涨的速度加快,在此期间城镇化的发展加快,购房者人数增多,也诱发了房价上涨。不仅如此也吸引了一大批炒房者加入,包括本市和外地炒房者,导致供大于求,一时间出现了“泡沫经济”、大量的“存量房”,但至少抑制了房价上涨。
  从2016年11月份开始,我市的楼市出现猛增的异象。一部分是由于长期的房价平稳、政府的调控,但随着人们生活质量的提高,需要拉动消费增长带动经济的增长,从而解决存量房的问题。同时,出现一大批外地投资者炒房,加速了房价上涨的速度,反而本市购房者造成了一定的经济压力。
  2影响房价的主要因素
  地区生产总值是指在一定时期内,一个地区的经济中所产生的全部最终产品和劳务的市场价值,常常被认为是衡量地区经济状况和发展水平的重要指标。一般来说,本地生产总值是消费、投资、政府支出和净出口额的总和。其中消费反映了当地家庭的收入水平,投资包含了产地产业的资金,政府支出包含了政府对房价的政策及影响。因此,GDP包含了许多影响房价因素。
  供地价格和房价的关系一直是受很多人关注,地价作为房地产开发的一个重要组成部分,也是影响房价开发的一个重要组成部分,也是影响房价的一个重要因素,这也是由于地价作为商品房的组成成分所决定。在一些地区土地价格甚至占据房价的一半,可见地价对房价的影响力是相当大。
  当然影响房价的因素还有很多,比如政府力量、地方的政策调控、房屋的硬件环境、房屋的需求量、人们的消费水平,房地产开发投资量等等。但是在建立神经网络预测模型时,有一些因素不能量化,因此只能当作参考。
  3神经网络
  机器学习的一般模型。可用三个部分来进行描述,其分别是:
  产生器(Generate Machine):产生独立同分布的实例数据x,即产生随机向量x,他们服从固定但未知的概率分布函数F(x)。
  训练器(Sample Machine):也称为目标算子(也叫训练器算子,训练器),对每个输入向量x得到一个输出值y,服从固定但未知的条件分布函数F(y|x)。
  学习机器(Learning Machine):给定函数集Ω={f(x,α)|α∈A},其中A为参数集,学习机器LM在学习标准下通过学习确定函数集Ω中的一个函数f(x,α0),α0∈Λ。学习机器LM观察数据对(x,y),训练后,学习机器必须对任意输入x给出输出y。
  本文主要运用BP神经网络的预测作用,用于房价的预测。影响房价的因素有很多,包括重庆市人均地区生产总值、供地价格、城镇居民人均可支配收入、城镇居民人均消费水平、房地产开发投资等等因素。这里我们利用过去十年的房价作为我们的样本集和测试集,并预测2017年的房均价。BP网络学习算法的具体步骤如下:从训练集中取一些样本,把它的输入信息输入到网络中;由网络正向计算出各层节点的输出;计算网络的实际输出与期望输出的误差;从输入层起始反向计算到隐层,按一定原则向减小误差方向调整网络的各个联接权值;对训练样本集中的每一个样本重复以上步骤,直到对整个训练样集的误差达到要求为止。
  4房价预测模型
  分为神经网络的训练和预测两部分,具体操作如下:
  (1)选取训练集数据来构造训练样本。本文选择对房价影响最大的因素GDP为训练样本。
  (2)对房价训练样本数据进行预处理,为避免原始数据过大造成神经网络瘫痪,我们对训练样本进行预处理,将数据归于{0,1}内,这样可以尽可能平滑处理数据,从而减少预测结果噪声。
  (3)建立并训练预测模型,建立一个含2个输入层,3个隐层,1个输出层的神经网络,将2008——2016年的GDP数据作为输入样本导入网络,将2008——2016年的房均价作为输出样本导入,训练方式通过调整隐层的权值建立每一年的GDP与房价的关系,同时利用2008、2009年的房价预测后一年的房均价,对比2009年的实际房价,神经网络的各参数朝着可以减小误差的方向修改,依次类推达到训练的目的。
  神经网络经过355次训练之后,误差低于0.0001,达到预期的效果网络停止训练。对比实际的房价,控制在1%之内就可以做预测。利用编程得到2017年房价为8450元/m2。
  5结论
  5.1影响因素
  影响房价的因素很多。这里我们从中选取两个较重要的因素作为BP神经网络的输入层,历史房价数据作為输出层,在MAT-LAB中建立程序,模拟的输入与输出的关系,并训练和仿真。从结果可以看出,利用BP神经网络,是可以预测房价的。
  5.2预测准确性
  根据运行程序的结果可以看出2017年重庆市房价为8450元/m2,与上半年均价相比,相差较比小且小。这可能与重庆市出现异常房价的上涨而实施的政策有关,进行了房价的政府调控,但相比较以前的房价明显上涨,经过调整之后上涨的速度有所放缓。
转载注明来源:https://www.xzbu.com/2/view-14812545.htm