房地产价格波动数据分析系统设计与实现

摘要

自2008年以来房地产价格就一直处于不断的增长中，房价的变化与社会经济息息相关。及时的分析房价数据的波动，以及准确预测房价的变化，就能在楼市占得一丝先机。近几年数据挖掘的技术不断进步，通过数据挖掘，就可以实现房价的分析及预测。
　　论文对于房价波动分析及预测程序采用Java和Matlab进行设计，在Esclipse平台下进行界面的设计以及程序功能的实现。
　　论文完成了对于系统的背景介绍，需求分析，架构设计和具体实现。论文对于系统的模块流程图，相关用例图进行了描述。系统通过数据E-R图，对于数据库结构进行了设计，并对于数据库表进行了设计。论文对于系统的表现层、数据层和交互层的设计与实现；系统的数据抓取模块，数据分析模块的设计与实现；系统的文件读写操作模块，历史访问模块，以及系统用户界面的设计与实现。
　　系统主要针对房价波动的分析，以及房价未来变化的预测进行设计，简化了数据分析人员的工作量，并且提高了工作精准度。系统可以完成用户对于新工程的建立，以及历史工程的打开使用，不同的用户可将自己的数据进行分别存储以及使用。系统可以方便用户对于每个所建立的工程进行参数设置，拥有自己的偏好。系统可以实现对于历史结果的查询，并于实时数据进行对比，查看自己所设置参数的准确性，并生成文本报告。系统可以实现分享到朋友圈功能，并可以将自己的预测结果分享给自己的好友，让用户对于参数可以择优选择。
　　系统对于房价波动分析主要采用Apriori算法为核心，根据房屋的所在位置、用途、房屋售价、房屋面积、成交时间、房屋结构6个指标进行相关性的分析；对于房价的预测，主要采用BP算法为核心，根据平均住宅价格、人均居住面积、市区人口总数、人均可支配收入、人均消费性支出、房地产开发商投资、地区生产总值、贷款利率、住宅销售面积9个指标进行预测。并对于结果进行可视化实现。
　　系统的运行能够为房地产开发商提供决策信息支持，提高企业对市场、客户的洞察力，加强领导的决策与监管力度，提升企业竞争力。

目录

声明

1 绪论

1.1 系统研究目的与意义

1.2 数据挖掘国内外研究现状

1.3 房地产价格国内外现状

1.4 本文的组织结构

1.5 本章小结

2 相关技术

2.1 数据挖掘相关理论概述

2.2 关联分析挖掘理论

2.3 BP神经网络预测

2.4 数据挖掘可视化介绍

2.5 本章小结

3 房价波动及预测系统需求分析

3.1 系统详细功能分析

3.2开发工具选择

3.3 数据库E-R图

3.4 应用范围

3.5 系统目标

3.6 本章小结

4 系统整体设计与实现

4.1 系统总体模块设计

4.2房价波动分析系统实现

4.3 房价预测程序实现

4.4 本章小结

5 系统测试

5.1 房价波动分析系统测试

5.2 房价预测系统测试

5.3 本章小结

结论

参考文献

致谢