BP神经网络在哈尔滨房地产市场预警体系中的应用

来源:用户上传      作者: 王 丁 杭艳红 吕美丽

　　[摘 要]本文BP将人工神经网络的方法运用到房地产市场预警体系中,根据哈尔滨市房地产市场的运行状况紧密结合MATLAB7.1神经网络工具箱函数分析出警兆指标和房地产市场警情变化之间的关系。实证分析结果表明,人工神经网络方法在建立房地产宅市场预警体系预测市场警情的应用中是有效可行的。
　　[关键词]BP神经网络;住宅市场;预警
　　
　　一、引言
　　房地产市场预警是指依据房地产周期波动的成因和规律,监测和分析房地产经济运行历史过程的经验分析状况,从中加以归纳和总结出房地产市场运行的基本规律,并通过指标体系的选择和建立,预测房地产运行态势并对其做出评价,按预先约定的预替准则和警度模式,及时预报将要出现的警情,从而为政府采取调控措施和投资者决策提供依据,同时尽量避免那些可以避免的不良态势或事件的发生,最大限度地促进行业经济持续健康的运行。
　　二、BP神经网络的原理
　　1.基于BP神经网络的预警原理。影响房地产市场各因素间的相关性错综复杂,是一个多变量非线性系统,并且随外部环境的变化,警兆指标和警情之间的关系会相应生变化。人工神经网络具有分布处理、自组织、自适应、自学习、映射能力强和容错性等优良特性,能较好地处理多因素、不确定和非线性系统建模问题。通过对已发生的警情指标的分析来实现对警情警度的判断;然后,按照BP神经网络的工作原理,将历年警兆指标值和警情警度错位地组成样本进行网络的训练,得出警兆指标和未来某一年房地产市场警情之间的映射关系;在建立警兆指标和警情之间映射关系的基础上,输入当年的警兆指标值,可以预报未来特定时间警情的警度。
　　2.模型的建立。理论证明,具有偏差和至少一个S型隐含层加上一个线性输出层的网络,能够逼近任何有理函数。基于以上神经网络的特点本文建立三层BP神经网络,以P表示输入信息,即房地产运行警兆指标信息,T表示输出量,即房地产运行警情。输入层神经元个数与警兆指标数一致,隐含层的神经元个数由公式来确定,其中n表示隐含层神经元个数,ni和n0分别表示输入层和输出层神经元个数,a为1~10的常数。该BP神经网络按照监督学习的方式进行训练,其训练步骤如下:
　　(1)初始化各连接权Wij、Vit以及阈值
　　 、 ,其中Wij表示输入神经元Pj到隐层神经元ui的连接权值,Vit表示隐层神经元ut的输出神经元ci的连接权值, 表示输入神经元Pj到隐含层神经元uj的阈值,
　　 表示隐含层神经元uj到输出层神经元ct的阈值。
　　(2)选择训练样本
　　
　　。其中Pki为第k个样本的第i个指标值,tki为Pk对应的i的期望值。
　　(3)计算隐含层输出: ,其中f为S型函数。
　　(4)计算输出层输出: ,其中g为线性函数或者s型函数。
　　(5)输出层各校正误差:
　　(6)中间层的校正误差:
　　(7)隐含层与输出层的新连接权值:
　　(8)输入层与隐含层的新连接权值:
　　(9)重复过程(3)~(8)。训练m个学习样本,至网络全局误差小于限定值时,网络就几乎完全逼近预测函数,结束循环。
　　三、哈尔滨市房地产市场预警实证分析
　　1.市场警情警兆指标的确定。房地产预警指标体系是由一系列相互联系且能敏感地反映当前房地产业状态及存在问题的指标构成的有机整体。在选择警情指标的时候,应该按照灵敏性、重要性、全面性、可测性、相对独立性的原则,准确、全面、有效地反映房地产市场运行过程中可能出现的各种显现的和潜在的异常变动情况。本文根据哈尔滨市房地产市场具体运行状况选取警兆指标,建立哈尔滨市住宅市场预警警兆体系。
　　2.输入层与输出层的设计。输入层的神经元个数与预警指标一致为11。对于期望输出由表2给出,因此输出层神经元为3。
　　隐含层的神经元个数由公式
　　隐含层的阈值函数为双曲正切函数
　　输出层阈值函数为对数S型函数
　　3.BP神经网络对房地产市场预警系统的训练与检测。
　　借助Mat1ab7.1软件中的人工神经网络工具箱,本文编写了实现即时网络训练程序。BP神经网络隐层神经元和输出层神经元的传递函数分别选择tans19函数和109519函数,学习算法选择“动量梯度下降反向传播算法”,结束训练的方差设定为le-6。
　　以2001-2008年的数据作为训练数据,2009年的数据作为检验数据:得到训练值
　　则2009年预警值y0 分别等于0.0003,0.0170,0.9957
　　将处理过的2009年各警兆指标值相应的作为BP神经网络模型的输入,经过MATLAB程序对模型的内部处理,得到预警结果的输出,如表4所示。
　　从BP神经网络预警模型的实际输出可以发现,网络各结点的输出近似于正常警度情况下各输出节点的输出。因此,经过本文所建立的基于BP神经网络的哈尔滨市房地产市场预警体系的分析,得到结论:2009年哈尔滨市房地产市场处于“热”警度的警情状况。在宏观经济运行平稳及宏观政策没有太大变动情况下2010哈尔滨市房地产市场将维持较热状态,房价在2009基础上仍将有所上升,房地产市场整体处于高位运行状态。
　　
　　参考文献:
　　[1]魏海坤. 神经网络结构设计的原理与方法[M].北京:国防工业出版社,2005.
　　[2]朱灿,朱明强. BP神经网络在房地产预警体系中的应用[J]. 山西建筑, 2008,34(26):345-346.
　　[3]周开利, 康耀红. 神经网络模型及其MATLAB仿真程序设计[M].清华大学出版社,2005.
　　[4]曾又. 基于BP神经网络的西安市房地产预警系统研究[D]. 西安建筑科技大学硕士论文, 2008. □(编辑/刘佳)

转载注明来源:https://www.xzbu.com/2/view-474227.htm