论文摘要
人类社会经济的发展历程表明,房地产业是国民经济中的先导性、支柱产业和基础产业,随着我国工业化和城市化进程的加快,其先导性和支柱性更显突出。房地产投资是固定资产投资的主要组成部分,是一个国家国民经济发展的主要动力之一,对GDP有很大的贡献潜力。2002年以来,对其他行业经济关联度高、带动性强的房地产开发投资总体上呈现理性、健康的发展态势。但是,由于部分地区投资增幅过大、土地供应过量、价格上涨过快,出现了不同程度的“过热”、“虚热”和结构性问题,存在较严重的市场风险。科学、客观公正的评估和预测房地产价格走势,使广大投资者有效规避风险,保持房地产市场健康稳定的发展,具有重大的现实意义和理论意义。数据仓库将分布在企业网络中不同节点的商业数据集成到一起,把支持决策分析的数据事先搜集、归纳、处理,使企业的业务操作环境和信息分析环境分离,从而为决策者的管理决策提供了基础。而OLAP是一种得到广泛应用的对数据仓库中的信息进行决策分析的工具。用户通过OLAP,以多维视图的方式,快速、一致和交互地搜寻数据仓库中存储的数据。数据挖掘的发展则深化了数据仓库的应用。通过数据挖掘模型,用户能够找到历史数据中的模式和规则,洞察数据的奥秘,掌握隐藏于其中的规律,获取知识,并且可以利用挖掘模型对未来做出相当精准的预测。本文在相关文献研究的基础上,阐述了数据仓库和数据挖掘技术的基本理论,利用房地产市场的宏观指标设计出一套简便的房地产价格综合指标体系和综合预测指数,将数据仓库技术运用于综合指数的分析和预测。在SQL Server2005平台上设计和实现了房地产价格分析数据仓库,使用Integration Services对原始数据进行抽取、转换和装载,构建了基于房地产价格数据仓库的多维数据集,使用Analysis Services进行联机分析处理,从多个角度观察分析房地产价格走势。并运用Microsoft Time Series和Artificial Neural Network算法预测未来房地产价格走势及其影响因素。最后利用Reporting Services将多维分析的结果以报表的形式发布,使用户可以使用网络浏览器方便地浏览分析结果和进行交互查询,以辅助决策。