安徽大学论文开题报告书模板.docVIP

开 题 报 告 书 ? 学 号 姓 名 所 在 院 系 数学科学学院 学 位 级 别 博士□ 硕士√ 学 科、专 业 研 究 方 向 论 文 题 目 导 师 姓 名 入 学 年 月 2008年3月 安徽大学研究生院制 年 月 日填 姓 名 学号 联系电话 　　　　 导师姓名 学科专业 基础数学 研究方向 智能计算 学位类别 □学历博士 □学历硕士 □同力硕士 □专业学位 √高校教师 论文题目 神经网络组合预测模型及其在房价趋势分析中的应用 论文（设计）选题来源：自2000年以后，我国房价一路飙升，上涨速度明显过快。合肥市房地产市场也出现同样情况。随着合肥市城市化进程的快速发展，城镇人口稳步增加，人均收入大幅增长，房价也随着大幅上涨。房价涨幅之大超出市民想象。 为什么房价上涨如此之快，哪些因素影响了房价上涨，未来房价的走势如何，是市民、开发商、政府及所有参与者最关心的问题。 论文（设计）的研究目的、意义及国内外发展趋势,论文（设计）的主要内容、研究方法和研究思路 (5000左右)： 研究的目的和意义： 使购房者、开发商和政府对合肥市住宅商品房市场有更深入的了解，为购房者的购买决策、开发商的投资、政府的政策制定以及其他参与者的决策提供参考。 国内外研究现状 房价预测在方法上有单项预测方法, 包括线性与非线性回归法、灰色预测模型法以及与其他学科或方法相结合产生的新预测方法。由于不同的单一定性或定量预测模型方法各有优点和缺点，他们之间可能并不相互排斥，而是相互联系，相互补充，所以很多学者设法将单项预测模型组合起来。在实践中，若把多种单项预测方法科学的结合起来，则会使组合预测的结果对某个较差的单项预测模型不太敏感。因此，组合预测一般能提高预测的精确度和可靠度[1]。 在国外，Joke Luttik根据荷兰8个乡镇近3000宗住宅交易数据，运用hedonic模型研究不同周围环境因素对房价的影响[2]；Maroc Del Negrog和Christopher Otrko运用贝叶斯方法研究货币政策对美国房价的影响，指出2001年以前的房价上涨是由地区性的因素推动的，而2001-2005年上涨是全国性的，根源在于扩张的货币政策[3]；Dialla Kasparova和Michael Wllite研究了欧盟各国住宅商品房价格的影响因素，如GDP、货币政策等宏观因素，通过对住宅价格的影响研究建立了简化式供给需求模型来量化住宅价格[4]；Pyhrr和Coopere通过对日本房价和土地价格关系的实证研究，认为地价价格的上涨对房价造成了一定的影响[5]；David E. Rapach和Jack K. Strauss建立了多因素影响下的自回归模型，用以预测房价[6]；John M Clapp和Carmelo Giaccotto对佛罗里达州Dade县的交易数据建立两个模型：hedonic模型和repeat-sales模型，通过两个模型的误差对比分析，表明hedonic模型比repeat模型更适合房价指数预测[7]；Gordon W.Crawford和Michael C.Fratantoni比较了三种时间序列模型：ARIMA, GARCH 和Regime-Switching，表明Regime-Switching模型对历史数据预测较好，但对样本外的数据预测不佳，而ARIMA模型对样本外的数据预测表现较好[8]；Visit Limsombunchai利用夏威夷Christchurch市的200个房屋交易数据包括房屋面积、房屋年龄、户型、卧室数量、卫生间数量、车房数量、环境和地理位置，建立hedonic模型和人工神经网络模型，实验结果表明人工神经网络模型的预测能力比hedonic模型要好[9]。 在国内，李东月以全国商品房市场历年平均价格作为原始的时间数据序列,建立了次多项式模型和灰色-马尔柯夫模型，通过比较这两种模型的预测精度，指出五次多项式模型比灰色-马尔柯夫模型的预测精度要高，最终表明适当的次多项式模型可以为房价预测提供较准确一种预测模型[10]；陆金铸、陈红丽采用Kalman滤波法和AHP法, 以定量的方法得到建立了房价预测模型, 并以武汉市为例对房价预测模型进行检验, 得到房价的预测值水平评价及其误差检验[11]；武秀丽、张锋采用时间序列分析法,以房价数据为研究对象来建立预测模型,对模型结果经过残差分析和误差检验,表明预测值与实际观测值基本吻合,达到了预测目的[12]；葛龙采用单位根检验验证天津市2005年3月到2007年10月每日平均房价、市区房价和成交面积对数变化率平稳性，利用独立性检验、代替数据线性检验和条件异方差效应检验，确定自回归滑动-条件异方差（ARMA