神经网络组合预测模型及其在房价趋势分析中的应用

摘要

房价一直是社会关注的热点问题。由于房地产市场是一个高度复杂的非线性系统，因此，对房价趋势变化这一复杂特征的精确描绘显得日益重要。同时，房价的预测也越来越引起人们的关注，如何选取合适的预测模型去预测价格的走势，已成为当务之急。
　　 针对多因素影响下的目标值预测，人工神经网络表现出良好的非线性映射能力、泛化能力和容错能力。它非常适用于具有非线性、时变性和不确定性的多因素复杂系统的预测问题。本文将神经网络与基于L1范数的加权几何平均的组合预测理论相结合，并有效地应用到合肥市住宅商品房价格趋势预测。主要完成了以下几方面工作：
　　 首先，对影响房价的多个因素利用EVIEWS软件采用最小二乘法进行统计分析，从初步确定的七个影响因素中去除对目标值影响较小的“已完成住宅投资”因素；
　　 其次，运用分析后的数据分别建立BP神经网络、Elman神经网络、灰色神经网络和支持向量机模型；
　　 最后，利用单一预测模型的预测值与实际值的误差，建立基于L1范数的加权几何平均的非线性组合预测模型。求解模型，得到4种单项预测模型在组合预测中所占权重依次分别为0.32，0.23，0，0.45。表明灰色神经网络模型较其它三种预测模型误差较大，组合模型对误差较大模型不敏感。利用建立的组合模型进行预测，经过误差对比分析，组合预测比任何一种单项预测都明显地减小了误差，预测效果较好，并对未来房价趋势做了有效预测。