中国房地产价格的分析及预测
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第11-20页 |
| 1.1 问题的提出及研究意义 | 第11-12页 |
| 1.2 国内外研究的现状 | 第12-14页 |
| 1.2.1 国外研究的现状 | 第12-13页 |
| 1.2.2 国内研究的现状 | 第13-14页 |
| 1.3 本文研究的主要内容和工作 | 第14-15页 |
| 1.4 我国房地产行业的现状分析 | 第15-20页 |
| 第二章 灰色系统预测 | 第20-31页 |
| 2.1 灰色系统预测概论 | 第20-21页 |
| 2.1.1 相关因素预测 | 第20页 |
| 2.1.2 时间序列预测 | 第20-21页 |
| 2.2 灰色系统理论 | 第21-24页 |
| 2.2.1 灰数的概念 | 第21页 |
| 2.2.2 灰理论的主要内容 | 第21页 |
| 2.2.3 生成数列 | 第21-23页 |
| 2.2.4 灰色系统理论的建模思想 | 第23-24页 |
| 2.3 关联度 | 第24-26页 |
| 2.3.1 关联系数的计算 | 第25页 |
| 2.3.2 关联度的计算 | 第25-26页 |
| 2.4 GM(1,1)模型 | 第26-31页 |
| 2.4.1 GM(1,1)模型的建立 | 第26-27页 |
| 2.4.2 灰色系统模型的检验 | 第27-28页 |
| 2.4.3 GM(1,1)残差修正模型 | 第28-31页 |
| 第三章 人工神经网络预测法 | 第31-42页 |
| 3.1 人工神经网络的概述 | 第31-32页 |
| 3.1.1 人工神经网络的概念和性质 | 第31-32页 |
| 3.1.2 人工神经网络的分类 | 第32页 |
| 3.2 人工神经网络模型 | 第32-35页 |
| 3.2.1 神经元 | 第32-33页 |
| 3.2.2 神经网络的数学模型 | 第33页 |
| 3.2.3 神经网络的传递函数 | 第33-34页 |
| 3.2.4 人工神经网络预测的原理 | 第34-35页 |
| 3.3 BP神经网络 | 第35-42页 |
| 3.3.1 BP网络的构建 | 第35-36页 |
| 3.3.2 BP算法 | 第36-42页 |
| 第四章 实证分析 | 第42-55页 |
| 4.1 数据的选取及来源 | 第42页 |
| 4.2 基于灰色系统预测的模型 | 第42-45页 |
| 4.3 基于BP神经网络预测的模型 | 第45-52页 |
| 4.3.1 预处理 | 第46-47页 |
| 4.3.2 网络训练 | 第47-48页 |
| 4.3.3 网络预测 | 第48-52页 |
| 4.4 两种方法的比较 | 第52-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
