摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-20页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国外研究现状 | 第13-15页 |
1.2.1 国外房地产价格指数的研究 | 第13-14页 |
1.2.2 国外房地产价格指数预测的研究 | 第14-15页 |
1.3 国内研究现状 | 第15-18页 |
1.3.1 国内房地产价格指数的研究 | 第15-16页 |
1.3.2 国内房地产价格指数预测的研究 | 第16-18页 |
1.4 论文的主要内容和技术路线 | 第18-20页 |
1.4.1 技术路线 | 第18页 |
1.4.2 论文的主要内容 | 第18-19页 |
1.4.3 本文创新点 | 第19-20页 |
第2章 房地产价格基本理论 | 第20-32页 |
2.1 房地产价格理论 | 第20-23页 |
2.1.1 房地产价格的定义 | 第20页 |
2.1.2 房地产价格的构成 | 第20-21页 |
2.1.3 房地产价格的特点 | 第21-22页 |
2.1.4 房地产价格的形成机制 | 第22-23页 |
2.2 房地产价格影响因素 | 第23-27页 |
2.2.1 自然因素 | 第24页 |
2.2.2 经济因素 | 第24-25页 |
2.2.3 社会因素 | 第25-26页 |
2.2.4 行政因素 | 第26-27页 |
2.3 房地产价格指数的编制 | 第27-31页 |
2.3.1 成本投入法 | 第27页 |
2.3.2 重复交易法 | 第27-28页 |
2.3.3 特征价格法 | 第28-29页 |
2.3.4 加权平均法 | 第29-30页 |
2.3.5 中位数法 | 第30-31页 |
2.4 房地产价格指数的预测 | 第31页 |
2.5 本章小结 | 第31-32页 |
第3章 混沌时间序列和相空间重构 | 第32-39页 |
3.1 混沌理论 | 第32-34页 |
3.1.1 混沌的定义 | 第33-34页 |
3.1.2 混沌的特征 | 第34页 |
3.2 混沌相空间重构 | 第34-36页 |
3.3 相空间重构参数的选择及混沌特性判断 | 第36-38页 |
3.3.1 延迟时间的选取 | 第36-37页 |
3.3.2 嵌入维数的选取 | 第37-38页 |
3.3.3 时间序列的混沌特性判断 | 第38页 |
3.4 本章小结 | 第38-39页 |
第4章 房地产价格指数混沌时间序列预测模型 | 第39-50页 |
4.1 小波神经网络预测模型 | 第39-44页 |
4.1.1 混沌时间序列神经网络预测原理 | 第39页 |
4.1.2 神经网络的拓扑结构 | 第39-40页 |
4.1.3 神经网络模型的主要特征 | 第40-41页 |
4.1.4 小波神经网络预测模型 | 第41-43页 |
4.1.5 小波神经网络模型训练步骤 | 第43-44页 |
4.2 支持向量机预测模型 | 第44-49页 |
4.2.1 最小二乘支持向量机算法的基本理论 | 第45-46页 |
4.2.2 LSSVM模型参数的优化 | 第46-48页 |
4.2.3 PSO-LSSVM模型训练步骤 | 第48-49页 |
4.3 本章小结 | 第49-50页 |
第5章 城市住宅房地产销售价格指数分级预测模型实例分析 | 第50-65页 |
5.1 房地产价格数据的编制和预处理 | 第50-51页 |
5.1.1 数据的收集与编制 | 第50-51页 |
5.1.2 数据的预处理 | 第51页 |
5.2 混沌相空间重构和分级预测模型的建立 | 第51-62页 |
5.2.1 混沌时间序列预测过程 | 第51-53页 |
5.2.2 房地产价格指数时间序列相空间重构及混沌特性判别 | 第53-56页 |
5.2.3 建立小波神经网络混沌时间序列分级预测模型 | 第56-59页 |
5.2.4 建立PSO-LSSVM混沌时间序列分级预测模型 | 第59-62页 |
5.3 预测模型仿真结果对比分析 | 第62-64页 |
5.4 本章小结 | 第64-65页 |
结论与展望 | 第65-67页 |
参考文献 | 第67-71页 |
致谢 | 第71-72页 |
作者简介 | 第72页 |
攻读硕士学位期间发表的论文和科研成果 | 第72-73页 |