| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-21页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-17页 |
| 1.3.1 房价预测常用模型研究现状 | 第9-13页 |
| 1.3.2 支持向量机研究现状 | 第13-15页 |
| 1.3.3 综合评述 | 第15-17页 |
| 1.4 研究内容与研究方法 | 第17-21页 |
| 1.4.1 研究内容 | 第17-18页 |
| 1.4.2 研究方法 | 第18-21页 |
| 第2章 房地产价格及其预测方法理论分析 | 第21-33页 |
| 2.1 研究范围界定 | 第21页 |
| 2.2 房地产价格相关理论 | 第21-23页 |
| 2.2.1 地租地价理论 | 第22页 |
| 2.2.2 周期波动理论 | 第22页 |
| 2.2.3 均衡价格理论 | 第22-23页 |
| 2.3 房地产价格影响因素分析 | 第23-30页 |
| 2.3.1 房地产价格特点 | 第23-25页 |
| 2.3.2 商品住宅价格影响因素定性分析 | 第25-30页 |
| 2.4 预测方法相关理论 | 第30-32页 |
| 2.4.1 TEI@I方法论 | 第30页 |
| 2.4.2 ARMA回归 | 第30-31页 |
| 2.4.3 人工神经网络 | 第31页 |
| 2.4.4 灰色系统理论 | 第31页 |
| 2.4.5 支持向量机 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于TEI@I方法论的商品住宅价格预测模型构建 | 第33-45页 |
| 3.1 基于大样本的ARMA和ANN的集成预测模型构建 | 第33-39页 |
| 3.1.1 ARMA建模过程 | 第33-37页 |
| 3.1.2 BP神经网络建模过程 | 第37-39页 |
| 3.2 基于小样本的灰色回归支持向量机集成预测模型构建 | 第39-44页 |
| 3.2.1 灰色关联分析 | 第39-41页 |
| 3.2.2 多元线性回归建模 | 第41页 |
| 3.2.3 支持向量机建模 | 第41-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于TEI@I方法论的商品住宅价格预测仿真分析 | 第45-68页 |
| 4.1 基于ARMA和ANN的集成预测仿真及分析 | 第45-53页 |
| 4.1.1 数据收集 | 第45-46页 |
| 4.1.2 序列平稳性检验 | 第46-47页 |
| 4.1.3 模型识别 | 第47-48页 |
| 4.1.4 模型估计与检验 | 第48-50页 |
| 4.1.5 神经网络结构确定 | 第50-52页 |
| 4.1.6 仿真结果分析 | 第52-53页 |
| 4.2 基于灰色回归支持向量机集成预测仿真及分析 | 第53-67页 |
| 4.2.1 数据收集及灰色关联度计算 | 第53-58页 |
| 4.2.2 多元回归预测 | 第58-64页 |
| 4.2.3 支持向量机预测 | 第64-65页 |
| 4.2.4 仿真结果分析 | 第65-67页 |
| 4.3 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-76页 |
| 附录 | 第76-77页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第77-79页 |
| 致谢 | 第79页 |
