城市住房价格PSO-LSSVR预测模型研究-管理科学与工程专业论文.docx

摘 要 近年来，房地产行业的迅速蓬勃发展是大家有目共睹的。而城市商品住房作 为其重要组成部分的也呈现了稳步增长的趋势。在住房产业快速发展的过程中， 住房价格作为重要的经济杠杆对住房产业化与商品化起着重要的推动作用，住房 价格也成为政府、居民和广大房地产开发商普遍关注的焦点。尤其是近年来，持 续走高的城市住房价格给城市居民以及整个社会的经济发展都带来了很大的负面 影响。与此同时，政府宏观调控措施虽然取得了一定的成效，但是效果不甚明显。 基于此，本文将展开对城市住房价格预测模型的研究。通过建立价格预测模型， 可以掌握房地产价格走势，合理准确评估预测房价，进而可以对房地产市场的发 展展开分析，这对确保我国住房市场稳定健康发展有着重要的作用。本文的主要 研究内容如下： ①本文首先梳理了国内外关于住房价格预测的相关研究，并基于已有的研究 提出了基于粒子群算法的最小二乘支持向量机（PSO-LSSVR 模型）的住房价格预 测方法。最小二乘支持向量机在建模数据过程中能很好弥补人工神经网络模型和 支持向量机的诸多不足，而且粒子群算法能迅速快捷地对参数进行优化，具有精 度高、速度快等优点。 ②通过确定房地产度量指标体系和等级划分标准，详细介绍城市住房价格 PSO-LSSVR 预测模型的运作流程。并介绍基于 PSO-LSSVR 模型与模糊灰色理论 的房地产市场预测系统架构，通过预测系统构架可以使预测模型更好的发挥作用。 ③以北京市为例展开预测模型的实证分析。通过构建相应的 PSO-LSSVR 住房 价格和成交量预测模型，对北京市房地产市场发展健康状况进行评估。实证分析 表明基于粒子群优化最小二乘支持向量回归预测模型优于传统的支持向量回归模 型，也证明了 PSO-LSSVR 预测模型用于城市住房价格预测的有效性。 ④在住房价格、住房成交量的 PSO-LSSVR 预测模型和基于模糊灰色理论的房 地产市场评估模型基础上给出了整个房地产市场预测系统的实现过程，并详细介 绍系统的软件实现过程。 ⑤总结本研究的研究成果并对未来的研究提出建议。 本文提出城市住房价格 PSO-LSSVR 预测模型，并结合模糊灰色理论提出一整 套房地产市场预测与评估方法，对于房地产市场预测与评估有着非常重要的价值。 通过该研究既可以为各国家及城市政府管理部门制定房地产调控政策，保证房地 产经济健康、持续、稳定的发展提供重要的手段和决策依据，可以为企业的投资 决策提供更多的帮助；也可以更进一步完善我国房地产研究的理论系统，具有重 要的理论意义和实践意义。 关键词：房地产市场，住房成交量，价格预测，灰色理论，最小二乘支持向量机 ABSTRACT Along with the dramatic expansion of real estate industry in China, the residential product as an important component in real estate industry has experienced great increase. The price of the residential product has been playing a lever role in economy, which also propels the industrialization and commercialization of residential products. In the meantime, the price has gained great amount of attention from the government, residence and real estate developers. Especially in recent years, the continuously increasing price influences adversely the living quality of residence and the entire social economy. Even though, the micro regulations from the government do work, the effectiveness is not obvious. Based on present situation, this research aims to establish a model to predict the price of urban residential products. According to the prediction model, the price trend can be