| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文结构安排及研究方法和创新点 | 第15-18页 |
| 1.3.1 论文结构安排 | 第15-16页 |
| 1.3.2 研究方法和创新点 | 第16-18页 |
| 2 房地产市场概述及相关指标分析 | 第18-33页 |
| 2.1 房地产市场概述 | 第18-24页 |
| 2.1.1 房地产市场的含义 | 第19页 |
| 2.1.2 房地产市场类别 | 第19-20页 |
| 2.1.3 房地产市场的特征 | 第20-23页 |
| 2.1.4 房地产与国民经济的关系 | 第23-24页 |
| 2.2 青岛市房地产市场概况 | 第24-30页 |
| 2.2.1 青岛市概况 | 第24-26页 |
| 2.2.2 青岛市房地产市场概述 | 第26-30页 |
| 2.3 房地产市场预测的指标选定 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 灰色预测模型 | 第33-52页 |
| 3.1 灰色系统与灰色预测概述 | 第33-35页 |
| 3.2 GM (1,1)的建模过程 | 第35-39页 |
| 3.2.1 原始数据预处理 | 第35-36页 |
| 3.2.2 GM (1,1)算法构造流程 | 第36-37页 |
| 3.2.3 GM (1,1)模型的特征 | 第37-38页 |
| 3.2.4 模型检验分析 | 第38-39页 |
| 3.3 GM (1,1)模型的局限性及改进 | 第39-41页 |
| 3.3.1 GM (1,1)模型的局限性 | 第39-40页 |
| 3.3.2 GM (1,1)模型的改进 | 第40-41页 |
| 3.4 改进 GM (1,1)——马尔柯夫模型 | 第41-45页 |
| 3.4.1 基于背景值和灰色作用量的 GM (1,1)模型改进 | 第41-44页 |
| 3.4.2 马尔柯夫模型 | 第44-45页 |
| 3.5 改进 GM (1,1)——马尔柯夫模型的应用 | 第45-51页 |
| 3.5.1 改进 GM (1,1)——马尔柯夫模型建立 | 第46-50页 |
| 3.5.2 实验结果分析 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 4 神经网络预测模型 | 第52-69页 |
| 4.1 神经网络简介 | 第52-53页 |
| 4.2 人工神经网络模型原理 | 第53-57页 |
| 4.2.1 人工神经元模型 | 第53-55页 |
| 4.2.2 神经网络分类 | 第55-56页 |
| 4.2.3 神经网络的学习规则 | 第56-57页 |
| 4.3 BP 神经网络 | 第57-61页 |
| 4.3.1 BP 神经网络结构及工作原理 | 第57-58页 |
| 4.3.2 BP 神经网络学习算法的基本流程 | 第58-61页 |
| 4.3.3 BP 神经网络的缺陷 | 第61页 |
| 4.4 小波神经网络 | 第61-64页 |
| 4.4.1 小波神经网络概述 | 第61-63页 |
| 4.4.2 小波神经网络算法的基本流程 | 第63-64页 |
| 4.5 BP 神经网络和小波神经网络模型的应用 | 第64-68页 |
| 4.5.1 BP 神经网络的应用 | 第64-66页 |
| 4.5.2 小波神经网络的应用 | 第66-68页 |
| 4.6 本章小结 | 第68-69页 |
| 5 组合预测模型 | 第69-78页 |
| 5.1 组合预测的概念及意义 | 第69-70页 |
| 5.2 熵值法组合预测模型 | 第70-72页 |
| 5.3 基于组合预测的青岛市房地产市场预测 | 第72-77页 |
| 5.3.1 组合模型的建立 | 第72-74页 |
| 5.3.2 组合预测及结果分析 | 第74-77页 |
| 5.4 本章小结 | 第77-78页 |
| 6 结论与展望 | 第78-80页 |
| 6.1 结论 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 附录 | 第83-88页 |
| 致谢 | 第88-89页 |
| 个人简历 | 第89-90页 |
| 发表的学术论文 | 第90-91页 |
