开题报告基于《p神经网络模型的西宁市房价预测与评估》免费下载.docVIP

青海大学毕业论文 开题报告 申请课题学 号 班 级 专 业 申 请 者 联系电话 Email ： 指导教师 申请日期 青海大学学院 研究课题 名称 起止年月 年月日～年月日 成果形式 论文 申请者 姓名 性别 班级 指导教师 姓名 性别 职称 课题组成员 学号 姓名 性别 班级 在本项目中的分工 金龙传 男 08管理科学 独立完成数据收集和论文撰写 研 究 项 目 主 要 内 容 BP 网络预测模型的建立 4.2 基于影响西宁商品房房价因素的BP 网络预测模型的建立 4.3 模型测试和结果分析 4.4 运用模型预测 5.评价分析结果 5.1 西宁市商品房房价走势评估 5.2 西宁市商品房房地产发展状况评估 5.3 政府宏观调控政策影响评估 6.总结 拟采取的研究方法和技术路线（包括研究工作的总体安排、步骤和各时间段的工作任务等） 1.研究方法 实证分析法，数学模型法，比较研究法 2.技术路线 2.1思路 本文通过对影响西宁市商品房房价的多种因素进行分析，筛选出影响房价的最主要的几个因素并预测这些因素的数据的预测值，然后利用建立的BP神经网络模型在matlab软件上进行仿真学习，得出较准确的西宁市商品房房价的预测值。并且在此基础上对预测值及其走势进行评估，得出结论。 2.2步骤及时间安排 1 2011年11月15日—2011年12月10日,选题; 2 2012年12月10日—2012年03月01日,查阅、收集相关文献资料并撰写开题报告; 3 2011年03月01日—2012年03月08日,提交开题报告; 4 2012年03月08日—2012年05月31日,撰写论文; ? 5 2012年05月31日—2012年06月15日,提交论文,答辩. 最终成果描述： 本文通过对BP神经网络模型的运用，对西宁市商品房房价进行了预测，并在此基础上对房价走势进行评估并针对分析结果得到结论，向准备购买商品房的人者提供一定的参考。也可以对房地产商的投资决策和政府为西宁市调控房价政策的定制提供理论上的依据。 最终形成一篇学士学位论文。 本研究项目的背景、意义和应用前景，国内外研究概况，发展趋势，立论依据，本项目的特色或创新之处，研究方案的可行性分析和已具备的研究条件以及主要的参考文献、软件等）：BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一生物原型研究建立理论模型网络模型与算法研究人工神经网络应用系统国内外研究发展趋势Longbottom通过分析英国的数据试图解释英国商品住宅价格的决定因素. 作者将商品住宅的需求定义为人口数量、社区中抵押贷款的资产存量、平均的商品住宅价格、个人收入、消费品价格和抵押贷款利率的真实函数，将供给定义为商品住宅价格和商品住宅存量的函数根据供给和需求相等的原理，得到一个关于平均商品住宅价格的简化公式，从而推导出商品住宅的价格.计量经济学的结论显示，收入是影响商品住宅价格的最重要的因素其次是抵押贷款利率和社区中抵押贷款的资产存量. Mmanning（1989）使用1980年美国94个MSA（Measurement System Analysis）Brasington（1996）就住宅附近学区的好坏与住宅价格之间的关系进行了研究，结果表明，学校教学质量与住宅价格之间有明显的相关性，及教学质量越好，附近住宅价格越高. 在房价预测方法中美国的Case和Shiller 1990 采用平行数据回归分析，Clapp和Giaccotto 1994 简单的回归进行城市住宅价格的预测，Potepan（1996）采取两阶段最小二乘法进行不同城市价格的预测，Malpezzi（1999）采用平行数据回归分析，对不同的城市并非随机价格和差异性进行预测，针对价格收入比以及房价变化利用误差修正模型得出了前期价格和收入变化对于房价的影响以及短期供给弱弹性的结论[8]； Quigley（1999）采取平行数据回归分析来于经济基本面的相关指标来解释各城市住宅价格走势.Seko通过平行数据回归分析，自回归模型调查了日本46个县的1998-2001年度数据，对日本各地区的住宅价格和经济基本的相关性进行预测.Anglin 2006 考虑到平均房价增长率的滞后三期以及CPI、住房抵押贷款利率和失业率，建立VAR 模型，预测多伦多房价变动情况. 3.已具备的研究条件 BP神经网络在各大领域的大量研究与利用：大量的理论成果和参考文献以及通过网络对于国内外研究成果具有数据的可获得性； 指导老师（杨亚老师）良好的工作态度和优秀的指导理念； 4主要参考文献 [1