粗糙集和小波神經(jīng)網(wǎng)絡(luò)模型的房地產(chǎn)價格走勢預(yù)測研究

審計意見類型及其預(yù)測結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注。同時選用財務(wù)指標(biāo)和非財務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型。將領(lǐng)域粗糙集作為bp神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡,提取關(guān)鍵指標(biāo),再將約簡的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量。以2013—2015年滬深a股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計意見預(yù)測對比分析,結(jié)果表明：本模型預(yù)測準(zhǔn)確率達(dá)到97.06%,與單純利用神經(jīng)網(wǎng)絡(luò)建?；騿渭兝秘攧?wù)指標(biāo)建模的預(yù)測效果相比具有更好的預(yù)測效果。

審計意見類型及其預(yù)測結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注.同時選用財務(wù)指標(biāo)和非財務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型.將領(lǐng)域粗糙集作為bp神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡,提取關(guān)鍵指標(biāo),再將約簡的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量.以2013-2015年滬深a股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計意見預(yù)測對比分析,結(jié)果表明:本模型預(yù)測準(zhǔn)確率達(dá)到97.06％,與單純利用神經(jīng)網(wǎng)絡(luò)建?；騿渭兝秘攧?wù)指標(biāo)建模的預(yù)測效果相比具有更好的預(yù)測效果.

基于神經(jīng)網(wǎng)絡(luò)房地產(chǎn)價格指數(shù)的預(yù)測研究——研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進(jìn)行預(yù)測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),所以本文便嘗試采用神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測的模型。本文具體運(yùn)用的是基于誤差反向...

小波神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)價格指數(shù)預(yù)測中的應(yīng)用——隨著房地產(chǎn)價格指數(shù)的作用充分顯現(xiàn),探求預(yù)測房地產(chǎn)價格指數(shù)的有效方法是需深入研究的方向“該文以中房上海住宅價格指數(shù)為例,首先對房地產(chǎn)價格指數(shù)序列性質(zhì)進(jìn)行分析,表明房地產(chǎn)價格指數(shù)是具有非線性特征的非平穩(wěn)時...

隨著房地產(chǎn)價格指數(shù)的作用充分顯現(xiàn),探求預(yù)測房地產(chǎn)價格指數(shù)的有效方法是需深入研究的方向。該文以中房上海住宅價格指數(shù)為例,首先對房地產(chǎn)價格指數(shù)序列性質(zhì)進(jìn)行分析,表明房地產(chǎn)價格指數(shù)是具有非線性特征的非平穩(wěn)時間序列。采用小波神經(jīng)網(wǎng)絡(luò)對房地產(chǎn)價格指數(shù)進(jìn)行預(yù)測,并將預(yù)測結(jié)果與指數(shù)平滑法和rbf神經(jīng)網(wǎng)絡(luò)預(yù)測做了對比。采用matlab對擬合和預(yù)測過程進(jìn)行仿真。結(jié)果指標(biāo)表明,在大樣本數(shù)據(jù)的情況下,采用小波神經(jīng)網(wǎng)絡(luò)對房地產(chǎn)指數(shù)進(jìn)行預(yù)測能夠獲得較好的效果。

文章針對房地產(chǎn)價格的動態(tài)特性,提出了基于elman神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價格預(yù)測方法,并通過其對上海市房地產(chǎn)價格的預(yù)測,證明了該方法的有效性,為房地產(chǎn)價格預(yù)測提供了一條新的方法。

探討當(dāng)因素分析和多元回歸方法的使用條件未得到滿足時,是否可采用粗糙集方法進(jìn)行觀察變量的精簡,以及是否可采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測效度檢驗。理論分析了粗糙集和神經(jīng)網(wǎng)絡(luò)在心理測量中應(yīng)用的可能性,并運(yùn)用粗糙集對于人事干部勝任力評估數(shù)據(jù)進(jìn)行分析,比較了7種離散化方法和2種約簡算法構(gòu)成的14種組合,發(fā)現(xiàn)當(dāng)采用manual方法進(jìn)行離散化、遺傳算法進(jìn)行約簡時,能夠很好地對觀測變量進(jìn)行精簡;運(yùn)用概率神經(jīng)網(wǎng)絡(luò)能夠比等級回歸方法更好地進(jìn)行預(yù)測效度檢驗。研究結(jié)果表明對于處理心理測量中的非等距變量,粗糙集和神經(jīng)網(wǎng)絡(luò)是非常有用的方法。

在對財務(wù)狀況評價的機(jī)理和關(guān)鍵財務(wù)指標(biāo)分析的基礎(chǔ)上,提出了基于粗糙集的財務(wù)指標(biāo)屬性約簡方法,設(shè)計了財務(wù)狀況評價模型的構(gòu)建流程和檢驗標(biāo)準(zhǔn),建立了基于bp神經(jīng)網(wǎng)絡(luò)的財務(wù)狀況評價模型。利用matlab軟件對146家房地產(chǎn)上市公司的2007-2012年財務(wù)數(shù)據(jù)進(jìn)行了研究,結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的財務(wù)狀況評價模型可以對房地產(chǎn)公司的財務(wù)狀況作出評價。在此基礎(chǔ)上,結(jié)合財務(wù)危機(jī)成因提出了房地產(chǎn)企業(yè)防范財務(wù)危機(jī)的建議。

研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進(jìn)行預(yù)測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),所以本文便嘗試采用神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測的模型。本文具體運(yùn)用的是基于誤差反向傳播算法的多層前饋網(wǎng)絡(luò)(bp神經(jīng)網(wǎng)絡(luò))和徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)。首先利用bp神經(jīng)網(wǎng)絡(luò)對采集到的中國房地產(chǎn)價格指數(shù)進(jìn)行訓(xùn)練和模擬,最后進(jìn)行預(yù)測,并比較預(yù)測結(jié)果和真實值,發(fā)現(xiàn)誤差比較大,一方面是因為選取的樣本數(shù)據(jù)少,另一方面是因為bp神經(jīng)網(wǎng)絡(luò)本身具有缺陷。為了克服bp神經(jīng)網(wǎng)絡(luò)預(yù)測的缺陷,本文接著運(yùn)用rbf神經(jīng)網(wǎng)絡(luò)對選取的數(shù)據(jù)進(jìn)行訓(xùn)練和模擬,用訓(xùn)練好的網(wǎng)絡(luò)來進(jìn)行預(yù)測,得到的預(yù)測結(jié)果與真實值相比較,誤差很小,而且rbf神經(jīng)網(wǎng)絡(luò)的運(yùn)行速度要比bp神經(jīng)網(wǎng)絡(luò)快很多。經(jīng)過比較可以得出rbf神經(jīng)網(wǎng)絡(luò)用于經(jīng)濟(jì)預(yù)測可以達(dá)到很好的效果。

基于神經(jīng)網(wǎng)絡(luò)房地產(chǎn)價格指數(shù)的預(yù)測研究(續(xù))——研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進(jìn)行預(yù)測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),所以本文便嘗試采用神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測的模型。本文具體運(yùn)用的是基于誤差...

通過分析粗糙集和神經(jīng)網(wǎng)絡(luò)的特點和原理,提出基于粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的工程造價估算模型,并通過實例驗證其有效性,具有較強(qiáng)的實用價值。

基于粗糙集-神經(jīng)網(wǎng)絡(luò)的工程造價估算模型研究——通過分析粗糙集和神經(jīng)網(wǎng)絡(luò)的特點和原理，提出基于粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的工程造價估算模型，并通過實例驗證其有效性，具有較強(qiáng)的實用價值?！　?/p>

在分析城市商品住宅價格影響因素的基礎(chǔ)上,用人均國民生產(chǎn)總值、商品住宅銷售面積、人均可支配收入、人均儲蓄存款余額、人均居住面積等可定量的統(tǒng)計數(shù)據(jù)作為輸入變量,單位面積商品住宅價格為輸出變量,建立bp網(wǎng)絡(luò),擬合商品住宅價格模型。用西安市的統(tǒng)計數(shù)據(jù)作為分析實例表明,模型擬合性較好。

隨著我國城鄉(xiāng)建設(shè)的飛速發(fā)展,建筑火災(zāi)形勢日趨嚴(yán)峻,依靠傳統(tǒng)的管理技術(shù)和方法已遠(yuǎn)遠(yuǎn)不能適應(yīng)社會和民眾對安全的需要。針對某城市建筑火災(zāi)非線性時間序列,建立了小波神經(jīng)網(wǎng)絡(luò)(wnn)預(yù)測模型,計算分析證明了該模型的可行性。該模型可與消防工作相結(jié)合,建立和實施城鄉(xiāng)綜合防災(zāi)減災(zāi)系統(tǒng),實現(xiàn)城鄉(xiāng)綜合防災(zāi)減災(zāi)的科學(xué)管理。

研究目的:分析人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于房地產(chǎn)估價的思路以及估價流程,采用matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)編程來實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)估價模型的構(gòu)建、訓(xùn)練與仿真。研究方法:文獻(xiàn)資料法和案例分析法。研究結(jié)果:以訓(xùn)練樣本為基礎(chǔ),建立基于神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)估價模型,用測試樣本檢驗,得出估價模型的精度較高。研究結(jié)論:神經(jīng)網(wǎng)絡(luò)對包含多種因素影響的房地產(chǎn)估價具有優(yōu)勢,基于神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)估價模型具有很強(qiáng)的實用性和可操作性。

基于模糊神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價格評估問題研究——提出了一種基于神經(jīng)模糊揄系統(tǒng)的商品住宅價格評估模型，分析了影響商品住宅價格的因素，給出了商品住宅價格評估指標(biāo)體系，探討了模型建立的原理及算法步驟。計算實例說明了該模型用于商品住宅價格準(zhǔn)確評估的有效性...

lvq神經(jīng)網(wǎng)絡(luò)模型具有很好的模式識別特性,作者選取1995～2009年上海市房地產(chǎn)相關(guān)數(shù)據(jù)作為研究樣本,構(gòu)建了基于lvq神經(jīng)網(wǎng)絡(luò)的預(yù)警模型,經(jīng)過訓(xùn)練測試后,該模型具有良好的分類功能.仿真結(jié)果表明,利用lvq網(wǎng)絡(luò)進(jìn)行模式識別是合適的,所構(gòu)建的預(yù)警模型能夠有效地預(yù)測房地產(chǎn)危機(jī).

提出了一種基于神經(jīng)模糊推理系統(tǒng)的商品住宅價格評估模型,分析了影響商品住宅價格的因素,給出了商品住宅價格評估指標(biāo)體系,探討了模型建立的原理及算法步驟。計算實例說明了該模型用于商品住宅價格準(zhǔn)確評估的有效性和可行性,為房地產(chǎn)價格評估提供了科學(xué)的方法。

針對傳統(tǒng)住宅特征價格模型特征變量多、變量間存在多重共線性等問題,提出采用主成分分析(pca)和bp神經(jīng)網(wǎng)絡(luò)相集成的方法對傳統(tǒng)模型加以改進(jìn),即先利用pca對特征變量進(jìn)行降維并消除變量之間的相關(guān)性,然后運(yùn)用bp神經(jīng)網(wǎng)絡(luò)的非線性適應(yīng)性信息處理能力對樣本數(shù)據(jù)進(jìn)行仿真.最后用青島市西海岸新區(qū)70套商品住宅樣本數(shù)據(jù)對改進(jìn)模型進(jìn)行了檢驗,檢驗結(jié)果表明,改進(jìn)模型的平均預(yù)測誤差為0.75%,明顯優(yōu)于傳統(tǒng)的特征價格模型.

針對神經(jīng)網(wǎng)絡(luò)存在的網(wǎng)絡(luò)冗余性較大的問題,提出一種基于粗糙集的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。該方法將粗糙集理論和神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合在一起,利用粗糙集理論在知識獲取方面具有智能的特點,對神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行預(yù)處理,從大量的原始數(shù)據(jù)中提取精簡的規(guī)則,從而確定神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元個數(shù),簡化神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),提高系統(tǒng)的速度。最后通過仿真研究表明該方法能有效地改善神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間較長的缺點。

針對目前冰蓄冷空調(diào)運(yùn)行管理中存在的每日蓄冰量過多,耗能嚴(yán)重的問題,提出了基于粗糙集和人工神經(jīng)網(wǎng)絡(luò)的冰蓄冷負(fù)荷的預(yù)測模型。該模型減少了數(shù)據(jù)樣本的數(shù)量,提高了冷負(fù)荷預(yù)測精度,有利于冰蓄冷空調(diào)的節(jié)能運(yùn)行。

邊坡的地表位移監(jiān)測是滑坡安全監(jiān)控中的重要內(nèi)容,對監(jiān)測資料進(jìn)行及時、合理和有效的分析,獲取滑坡變形規(guī)律和安全狀況是滑坡監(jiān)測的重要工作之一。文章將基于bp算法的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型引入變形監(jiān)測預(yù)報中,對工程實例進(jìn)行了預(yù)測。結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)預(yù)測可以取得良好的效果,且自適應(yīng)預(yù)測能力較強(qiáng)。