房地产开发风险预测模型研究.doc

房地产开发风险预测模型　来源: 智能中国网 作者：万友人工智能软件 网友评论 3 条 浏览次数 41 1．案例描述 房地产开发存在风险，其影响因素（输入）主要包括：1）通货膨胀风险：可分为升高、不变、降低。2）市场低供求风险，可分为供大求、平衡、供小求。3）周期风险，可分为第一阶段、第二阶段、第三阶段、第四阶段。4）利率风险，可分为提高、不变、降低。5）政策风险，可分为有利、无新政策、不利开发。6）区位风险，可分为升值、不变、降值。7）开发期风险，可分为较长、正常、缩短。开发风险（输出）可分为5类：无风险、风险较低、一般风险、风险较高、风险很高，为了能对开发风险进行有效地评估和预测，在此拟建立神经网络预测模型，实现对房地产开发风险的预测。 2．案例分析 根据案例描述，设计如下表所示的数据映射关系，并进而模拟产生一组专家样本数据，建立一个网络结构为7-5-1的神经网络模型，如下图： 结点类别结点名称结点描述转换输入通货膨胀风险升高0.8不变0.5降低0.2市场低供求风险供大于求0.3平衡0.6供小于求0.8周期风险第一阶段0.1第二阶段0.3第三阶段0.6第四阶段0.8利率风险提高0.2不变0.5降低0.9政策风险有利0.9无新政策0.8不利开发0.2区位风险升值0.9不变0.6降值0.3开发期风险较长0.2正常0.5缩短0.7输出开发风险无风险1风险较低0.8??一般风险0.5风险较高0.3风险很高0.1基于上表，构建专家样本数据，并将输入和输出样本分别写入input_para.txt和output_para.txt文件（说明：本例的样本数据已进行了归一化处理，所以文件input_para.txt和output_para.txt中的数据实际是归一化后的样本数据），在MATLAB环境下，直接运行LmTrain.m文件，即可完成对专家样本数据的训练。 要实现开发风险预测，只需将影响房地产开发风险的实际参数值传入LmSimu.m文件，在MATLAB环境下运行即可得到预测结果。 3．代码实现 （1）网络训练 function retstr = LmTrain(ModelNo,NetPara,TrainPara,InputFun,OutputFun,DataDir) % 关闭警告提示 NNTWARN OFF?? % 初始化返回值??????? retstr=-1;??? %%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%% % 这部分代码主要是方便用户调试用 % ModelNo=1; % NetPara(1)=7; % NetPara(2)=1; % NetPara(3)=6; % NetPara(4)=10; % TrainPara(1)=25; % TrainPara(2)=1000; % TrainPara(3)=0.001; % TrainPara(4)=0.001; % TrainPara(5)=0.001; % TrainPara(6)=10; % TrainPara(7)=0.1; % TrainPara(8)=1e10; % DataDir=.; % InputFun = tansig; % OutputFun = purelin; %%%% 输入参数赋值结束 %%%%%%%%%%%%%%%%%%%%%%%% % 保留原工作目录????????????? olddir=pwd;? % 切换到数据所在工作目录???????????? cd(DataDir);?????????????? % 伪声明，以便打包生成COM组件时系统能加载相关函数 deltalin(1);??????????????? deltalog(1);?????????????? deltatan(1);?????????????? % 网络参数，包括输入层结点数，中间层结点数，输出层结点数，训练样本数据组数 InputDim=NetPara(1);?????? OutputDim=NetPara(2); MidDim=NetPara(3); data_num=NetPara(4); % 网络训练参数，包括显示间隔次数，最大循环次数，目标误差，学习速率 % 学习速率增加比率，学习速率减少比率，动量常数，最大误差比率 if (TrainPara == -1) ??? df = 25; ??? me = 1000; ??? e