论文摘要
通过观察房地产价格指数的走势,人们既可从宏观上把握房地产市场的景气状况和市场变化,也可从微观上依据其走势进行投资分析,这些作用的实现要依据对房地产价格指数的分析和预测。近几年,随着房地产市场的持续升温,房地产行业的风险问题日益突出。用科学的方法来反映房地产价格的变化,给市场主体正确的引导信息已变得十分的迫切。由于房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,但传统的误差反向传播算法的多层前馈网络(BP神经网络)进行预测存在着收敛速度慢、易陷入局部极小解且预测准确率不高的缺陷。小波分析是一门新兴理论,它克服了传统Fourier分析的不足,在时域和频域都具有良好的局部化特性,在信号处理、图像处理、语音分析等领域有重要的应用价值。本文在前面几章介绍了房地产价格指数理论、小波分析理论和神经网络理论,并在后面的几章里对BP神经网络进行改进,将其和小波分析结合在一起建立一种新的模型—小波神经网络模型(WNN);运用小波神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,把得到的预测结果与真实值进行比较,减小误差,并与单纯地运用BP神经网络进行预测相比较,能够克服BP神经网络存在的不足,从而使预测达到更好地效果。在文章的最后提出了本文研究的不足和后续研究的展望。
论文目录
摘要Abstract第1章 绪论1.1 选题背景及科学意义1.1.1 选题背景1.1.2 科学意义1.2 国内外研究现状1.2.1 国外研究现状1.2.2 国内研究现状1.3 本文的研究内容及创新点1.3.1 研究内容1.3.2 创新点1.4 小结第2章 房地产价格指数理论2.1 房地产价格指数的涵义2.2 房地产价格指数的作用2.3 房地产价格指数的种类2.3.1 国内主要房地产价格指数简介2.3.2 国外房地产价格指数简介2.3.3 国内外房地产价格指数的对比分析2.4 房地产价格指数编制2.4.1 房地产价格指数编制应注意的问题2.4.2 房地产价格指数编制的前期调查工作2.4.3 房地产价格指数的编制方法综述2.4.4 “中房指数”的编制2.5 小结第3章 相关理论与模型3.1 小波分析理论3.1.1 小波分析简介3.1.2 小波分析理论3.1.3 小波变换3.1.4 小波分析的应用前景3.2 BP神经网络模型3.2.1 神经网络原理3.2.2 神经网络的种类3.2.3 神经网络的特征3.2.4 神经网络的结构3.2.5 神经网络的常用学习规则3.2.6 BP神经网络预测模型3.2.7 神经网络的应用前景3.3 小结第4章 小波神经网络预测模型在房地产价格指数预测中的应用4.1 小波神经网络预测模型的建立4.1.1 小波神经网络简介4.1.2 小波神经网络的分类4.1.3 小波神经网络预测模型4.2 小波神经网络预测模型在房地产价格指数预测中的应用研究4.2.1 数据的选取与预处理4.2.2 小波神经网络结构的训练4.2.3 小波神经网络预测模型预测结果4.3 小结第5章 小波神经网络与BP神经网络预测模型在房地产价格指数预测中的对比研究5.1 理论上小波神经网络与常规神经网络的比较5.2 小波神经网络与BP神经网络预测模型的实证对比研究5.3 小结结论与展望参考文献附录致谢作者简介
相关论文文献
标签:小波分析论文; 房地产价格指数论文; 小波神经网络论文; 神经网络论文; 预测论文;