LSTM在房价指数预测中的应用研究  

Research on the Application of LSTM in Prediction of House Price Index

作　　者：王翔[1] 王亮洒 郭一斌[1] 李莲秀[1] WANG Xiang;WANG Liangsa;GUO Yibin;LI Lianxiu(School of Civil Engineering,Zhengzhou University of Aeronautical,Zhengzhou,China,450015)

机构地区：[1]郑州航空工业管理学院土木工程学院,郑州450015

出　　处：《福建电脑》2021年第11期18-21,共4页Journal of Fujian Computer

基　　金：河南省重点研发与推广专项“盾构隧道衬砌背后空洞GPR深度学习识别与多尺度演化预测”(No.202102310243);河南省重点研发与推广专项“高速公路隧道群交通事故多源多尺度风险分析及预警可视化分析”(No.192102310489);国家自然科学基金项目“以COPD气虚证为示范的基础证候量化诊断的关键技术研究”(No.81973791);郑州航空工业管理学院2020年校级大学生创新创业训练项目“基于多智能体的工程成本仿真系统开发”(No.202010485031)资助。

摘　　要：针对当前房价指数预测精度不高的问题,本文提出了一种基于长短期记忆模型(LSTM)的预测算法。首先,使用灰色关联法筛选房价指数的影响因素;其次,建立预测房价指数的LSTM模型;最后,利用实验验证了新模型的有效性。实验结果显示,新模型在MSE、MAE、HMAE、HMSE这四个经典评价指标上均优于经典的差分自回归移动平均模型(ARIMA)。Aiming at the problem of low prediction accuracy of the current housing price index,this paper proposes a prediction algorithm based on the Long Short-Term Memory Model(LSTM).Firstly,the grey correlation method is used to screen the influencing factors of the housing price index;secondly,the LSTM model for predicting the housing price index is established;finally,the effectiveness of the new model is verified by experiments.The experimental results show that the new model is better than the classic moving autoregressive average model(ARIMA)on the four classic evaluation indicators of MSE,MAE,HMAE,and HMSE.

关 键 词：房价指数预测 长短记忆网络 差分自回归移动平均模型 灰色关联法 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]