張 喆姚亞輝

1.中原工學(xué)院理學(xué)院，鄭州 4500072.安陽師范學(xué)院，安陽 455000

房地產(chǎn)銷售價(jià)格指數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

張 喆1姚亞輝2

1.中原工學(xué)院理學(xué)院，鄭州 4500072.安陽師范學(xué)院，安陽 455000

房地產(chǎn)銷售價(jià)格指數(shù)是指導(dǎo)業(yè)界活動(dòng)和市場(chǎng)研究的有效工具,但是預(yù)測(cè)的準(zhǔn)確程度一直是人們倍加關(guān)注的。人工神經(jīng)網(wǎng)絡(luò)是一門新興交叉學(xué)科，近年來被越來越多的應(yīng)用到了實(shí)際問題的預(yù)測(cè)中，顯示出其廣闊的應(yīng)用前景，特別是人工神經(jīng)網(wǎng)絡(luò)具有預(yù)測(cè)非線性系統(tǒng)未來行為的巨大潛力。因此，本文提出了用人工神經(jīng)網(wǎng)絡(luò)對(duì)房地產(chǎn)銷售價(jià)格指數(shù)進(jìn)行預(yù)測(cè)的方法，首先將輸入數(shù)據(jù)進(jìn)行預(yù)處理，再利用多層前饋神經(jīng)網(wǎng)絡(luò)BP算法來研究人工神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)銷售價(jià)格指數(shù)預(yù)測(cè)中的應(yīng)用問題，最后得出神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)精度較高的結(jié)論。

房地產(chǎn)銷售價(jià)格指數(shù)；人工神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)

引言

近幾年來，隨著市場(chǎng)經(jīng)濟(jì)的快速發(fā)展，我國(guó)的房地產(chǎn)價(jià)格出現(xiàn)了較大幅度的上漲。隨著房地產(chǎn)市場(chǎng)的持續(xù)升溫,一方面給人們的生活帶來了很大影響，另一方面房地產(chǎn)行業(yè)的風(fēng)險(xiǎn)問題也日益突出。那么如何利用科學(xué)的方法來反映房地產(chǎn)價(jià)格的變化,給市場(chǎng)主體正確的引導(dǎo)信息已變得十分的迫切。

運(yùn)用價(jià)格指數(shù)進(jìn)行房地產(chǎn)市場(chǎng)總體分析, 在我國(guó)已有很多年的經(jīng)驗(yàn), 這種研究在實(shí)際經(jīng)濟(jì)活動(dòng)中起到了重要的作用。房地產(chǎn)價(jià)格指數(shù)是動(dòng)態(tài)描述一定區(qū)域內(nèi)一段時(shí)間各類房地產(chǎn)(如商業(yè)、住宅和工業(yè))價(jià)格變動(dòng)及其總體價(jià)格平均變動(dòng)趨勢(shì)和變動(dòng)程度的相對(duì)數(shù),它是指導(dǎo)業(yè)界活動(dòng)和市場(chǎng)研究的有效工具。定量地研究?jī)r(jià)格指數(shù)的運(yùn)行軌跡并做出準(zhǔn)確的描述和預(yù)測(cè),對(duì)于研究房地產(chǎn)市場(chǎng)具有極其重要的作用。

我們知道, 科學(xué)的預(yù)測(cè)是正確作出決策的前提。研究表明, 房地產(chǎn)銷售價(jià)格指數(shù)常表現(xiàn)為非線性, 要對(duì)它進(jìn)行預(yù)測(cè)就必須利用一種能模擬非線性的模型。從理論上講, 神經(jīng)網(wǎng)絡(luò)能夠無限逼近非線性函數(shù), 所以本文嘗試采用神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測(cè)模型。文章中利用BP神經(jīng)網(wǎng)絡(luò)對(duì)采集到的1998～2008年的全國(guó)房地產(chǎn)銷售價(jià)格指數(shù)季度數(shù)據(jù)進(jìn)行預(yù)測(cè), 最終達(dá)到了滿意的效果。

1 BP神經(jīng)網(wǎng)絡(luò)模型

BP(Baekpro Pagation Network簡(jiǎn)稱BP網(wǎng)絡(luò))網(wǎng)絡(luò)是采用誤差反傳算法或其變化形式的網(wǎng)絡(luò)模型。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)是采用梯度下降算法，對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和若干隱含層構(gòu)成，每層由若干個(gè)結(jié)點(diǎn)組成，每一個(gè)結(jié)點(diǎn)表示一個(gè)神經(jīng)元，上層結(jié)點(diǎn)與下層結(jié)點(diǎn)之間通過權(quán)連接，層與層之間的節(jié)點(diǎn)采用全互聯(lián)的連接方式，每層內(nèi)結(jié)點(diǎn)之間沒有聯(lián)系。典型的BP網(wǎng)絡(luò)是含有一個(gè)隱含層的三層結(jié)構(gòu)的網(wǎng)絡(luò)。

BP網(wǎng)絡(luò)訓(xùn)練方式包含兩個(gè)階段：前饋階段和反向傳播階段。前饋階段是指輸入向量由輸入層引入，以前饋方式經(jīng)由隱層傳至輸出層，并求出網(wǎng)絡(luò)輸出；反向傳播階段是指以期望輸出值減去網(wǎng)絡(luò)輸出值從而得到誤差信號(hào)，然后將此信號(hào)逐層反向傳遞回網(wǎng)絡(luò)中，進(jìn)而修改連接權(quán)值和閾值。

BP算法的一般步驟可描述如下:

3、T3時(shí)刻下，最大沉降量增大至1.90m，可見進(jìn)行堆載后，土體含水進(jìn)一步排出，排水板下方的淤泥層也在堆載作用下得到加固。

（7）判斷是否學(xué)完所有的訓(xùn)練樣本，是則結(jié)束，否則，返回（2）。

通過信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程的不斷進(jìn)行，在一定精度的要求下，權(quán)值和閥值得到不斷的調(diào)整，直到網(wǎng)絡(luò)輸出與目標(biāo)輸出達(dá)到設(shè)定的精度。BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)從輸入到輸出之間的高度非線性映射關(guān)系，因而，在函數(shù)擬合、仿真預(yù)測(cè)等方面有著廣泛的應(yīng)用。

2 實(shí)例分析

下面我們就利用BP神經(jīng)網(wǎng)絡(luò)首先對(duì)全國(guó)房地產(chǎn)銷售價(jià)格指數(shù)1998年～2008年各個(gè)季度的數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。

表1 全國(guó)原始數(shù)據(jù)

首先在國(guó)家統(tǒng)計(jì)局下載了1998年～2008年各個(gè)季度全國(guó)房地產(chǎn)銷售價(jià)格指數(shù)最新的數(shù)據(jù)，如表1所示：

對(duì)于單極型Sigmoid函數(shù)來說，其輸出在0～1之間變化，并且只有當(dāng)輸入為時(shí)，輸出才達(dá)到[0，l]，一般方法是將輸入量歸一化至[0，l]。本文采用S型函數(shù)作為激勵(lì)函數(shù)，該函數(shù)特點(diǎn)是值域?yàn)?-1，l)。對(duì)樣本數(shù)據(jù)進(jìn)行如下歸一化處理公式為:

其中，max和min分別為樣本數(shù)據(jù)中的最大值和最小值，x為原始樣本數(shù)據(jù)，y為變換后的數(shù)值。這樣不但避免了輸入數(shù)據(jù)落入飽和區(qū)域，也保持了數(shù)據(jù)的原有特征。

當(dāng)神經(jīng)網(wǎng)絡(luò)處理結(jié)束后，再做反歸一化運(yùn)算。對(duì)網(wǎng)絡(luò)輸出數(shù)據(jù)采用如下公式還原數(shù)據(jù)：

表2 處理后的全國(guó)數(shù)據(jù)

經(jīng)歸一化處理的數(shù)據(jù)如表2所示:

然后對(duì)全國(guó)房地產(chǎn)銷售價(jià)格指數(shù)數(shù)據(jù)做訓(xùn)練，將數(shù)據(jù)進(jìn)行分類，以1998年～2007年第一季度的數(shù)據(jù)作為訓(xùn)練樣本，2007年第二季度～2008年第二季度的數(shù)據(jù)作為檢測(cè)樣本。

由于數(shù)據(jù)具有周期性，且前后具有很大聯(lián)系，故將1998年四個(gè)季度的數(shù)值作為輸入，1999年第一季度的數(shù)值作為輸出，依次類推建立預(yù)測(cè)數(shù)據(jù)序列，選用三層結(jié)構(gòu)BP網(wǎng)絡(luò)(單隱層BP神經(jīng)網(wǎng)絡(luò))，進(jìn)行單步預(yù)測(cè)。利用matlab軟件進(jìn)行多次反復(fù)訓(xùn)練測(cè)試以后，確定選用“trainlm”函數(shù)，隱含層數(shù)目為7層效果比較好，訓(xùn)練輸出與檢測(cè)輸出均能達(dá)到較高精度。訓(xùn)練接近150次時(shí)，標(biāo)準(zhǔn)數(shù)值誤差就達(dá)到1e-25，網(wǎng)絡(luò)訓(xùn)練圖如圖1所示：

通過對(duì)原始數(shù)據(jù)進(jìn)行回檢，發(fā)現(xiàn)精度全部為100%，見表3：

圖1 全國(guó)數(shù)據(jù)訓(xùn)練圖

表3 全國(guó)數(shù)據(jù)網(wǎng)絡(luò)訓(xùn)練后回檢結(jié)果

表4 全國(guó)數(shù)據(jù)的網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

用訓(xùn)練后的模型對(duì)2007年二季度～2008年二季度的五個(gè)樣本進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)數(shù)據(jù)轉(zhuǎn)換成原始數(shù)值結(jié)果見表4：

從表4中的預(yù)測(cè)結(jié)果可以看出，用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的精度較高，2007年二季度～08年二季度的預(yù)測(cè)值精度分別達(dá)到99.8%，99.6%，97.8%，97.8%，97.5%。

再用2007年第三季度到2008年第二季度的數(shù)據(jù)向后預(yù)測(cè)2008年第三、四季度的數(shù)值為117.90、104.75，由于是用預(yù)測(cè)出來的值接著向后預(yù)測(cè)，誤差會(huì)較大。

3 結(jié)論

通過基于BP神經(jīng)網(wǎng)絡(luò)模型的房地產(chǎn)銷售價(jià)格指數(shù)的預(yù)測(cè), 我們能得到以下結(jié)論:

(1) BP神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)具有良好的函數(shù)逼近功能,BP神經(jīng)網(wǎng)絡(luò)對(duì)該領(lǐng)域的應(yīng)用是可行的, 并能取得很好的預(yù)測(cè)精度。

(2)通過對(duì)房地產(chǎn)銷售價(jià)格指數(shù)的預(yù)測(cè)，可以綜合考慮地理因素和經(jīng)濟(jì)因素，分析綜合指標(biāo)，給居民和房地產(chǎn)廠商提供參考，使他們有明確的目標(biāo)和更好的效益！

(3) 結(jié)束以前那種繁瑣的預(yù)測(cè)手段，能更加簡(jiǎn)潔的反映出市場(chǎng)走向，簡(jiǎn)潔易懂，而且節(jié)省更多的人力物力。

(4) 由于2008年以來國(guó)家頒布了一系列政策措施控制房地產(chǎn)市場(chǎng)過熱發(fā)展，因此如果仍用得到的網(wǎng)絡(luò)對(duì)2008年三季度以后的數(shù)據(jù)進(jìn)行預(yù)測(cè)會(huì)有較大誤差。所以雖然從數(shù)據(jù)上來看在未來的一段時(shí)間內(nèi)，我國(guó)的房地產(chǎn)銷售價(jià)格指數(shù)仍會(huì)有上升趨勢(shì)，但是國(guó)家宏觀調(diào)控的出臺(tái)對(duì)其造成一定的影響，故近期我國(guó)的房地產(chǎn)銷售價(jià)格應(yīng)該不會(huì)有太大的波動(dòng)。這也進(jìn)一步說明國(guó)家對(duì)房地產(chǎn)銷售價(jià)格的宏觀調(diào)控是有效的。要想準(zhǔn)確預(yù)測(cè)出后面的數(shù)據(jù)，還需要積累一定量的近期數(shù)據(jù)或者嘗試采用其他方法。

[1]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社，2001.

[2]王洪元,史國(guó)棟.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[M].中國(guó)石化出版社，2002.

[3]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M].電子工業(yè)出版社，2005.

[4]許月卿,李雙成.中國(guó)經(jīng)濟(jì)發(fā)展水平區(qū)域差異的人工神經(jīng)網(wǎng)絡(luò)判定[J].資源科學(xué)，2005.

[5]李文學(xué),李慧,賀琳.BP神經(jīng)網(wǎng)絡(luò)在非線性時(shí)間序列預(yù)測(cè)中的應(yīng)用[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2003年9月（第三期）.

[6]董長(zhǎng)虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2007.

[7]中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒(1991-2007) [M].北京：中國(guó)統(tǒng)計(jì)出版社，1991-2007.

Predication of the Price Index of Real Estate Sales by Neural Network

Zhang Zhe1，Yao Yahui21.College of Science, Zhongyuan University of Technology 4500072.Anyang Normal University 455000

10.3969/j.issn.1001-8972.2012.19.062

張喆（1979—），女，碩士，講師，主要從事組合最優(yōu)化研究。

AbstractThe price index of real estate sales is an effective tool of guiding industry and market research activities, but people are more concerned about the accuracy of the prediction.ANN(Artificial Neural Network) is an rising cross subject，and in the recent years，it has been used in more and more sphere in society，industry and science，which display a great application foreground in these field.Consequently，the thesis adopt ANN method to predict the Real estate sales price index.First of all, pre-treat the input data, then use the BP algorithm of multilayer feed forward neural network to study the problem that ANN is applied in the prediction of real estate sales price index.At last, the thesis makes a conclusion that the accuracy of the ANN prediction is excellent.

KeywordsReal estate sales price index;ANN;prediction