基于BP神经网络的北京市二手房交易价格预测研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国内研究综述 | 第11-12页 |
| 1.3.2 国外研究综述 | 第12-13页 |
| 1.4 论文的创新点 | 第13页 |
| 1.5 论文的组织架构 | 第13-16页 |
| 第2章 文献综述与技术支持 | 第16-32页 |
| 2.1 文献综述 | 第16-22页 |
| 2.1.1 房价影响因素综述 | 第16-18页 |
| 2.1.2 用户行为理论综述 | 第18-22页 |
| 2.2 技术支持 | 第22-30页 |
| 2.2.1 灰色关联度分析 | 第22-25页 |
| 2.2.2 BP神经网络 | 第25-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 交易价格影响因素的确定与分析 | 第32-41页 |
| 3.1 数据来源 | 第32-33页 |
| 3.2 影响因素的确定 | 第33-36页 |
| 3.2.1 房屋属性硬指标 | 第33-34页 |
| 3.2.2 房屋交易软指标 | 第34-36页 |
| 3.3 灰色关联度分析 | 第36-39页 |
| 3.3.1 灰色绝对关联度 | 第37-38页 |
| 3.3.2 灰色相对关联度 | 第38-39页 |
| 3.3.3 灰色综合关联度 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 BP神经网络的交易价格预测 | 第41-49页 |
| 4.1 研究框架描述 | 第41-42页 |
| 4.2 BP神经网络的模型构建 | 第42-44页 |
| 4.2.1 数据的归一化处理 | 第42页 |
| 4.2.2 网络结构设计 | 第42-43页 |
| 4.2.3 相对误差分析 | 第43-44页 |
| 4.3 BP神经网络预测结果 | 第44-46页 |
| 4.3.1 训练网络 | 第44-46页 |
| 4.3.2 预测结果 | 第46页 |
| 4.4 对比分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 研究结论及展望 | 第49-53页 |
| 5.1 研究结论 | 第49-50页 |
| 5.2 策略建议 | 第50-52页 |
| 5.2.1 辅助政府监督与调控 | 第50-51页 |
| 5.2.2 促进中介规范化服务 | 第51页 |
| 5.2.3 指导购房者科学决策 | 第51-52页 |
| 5.3 研究不足与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-61页 |
| 附录A | 第56-57页 |
| 附录B | 第57-61页 |
| 攻读硕士学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
