房地产价格预测

作品数：31被引量：215H指数：8
导出分析报告
相关领域：经济管理自动化与计算机技术更多>>
相关作者：窦二巍董倩孙娜娜李伟张荣艳更多>>
相关机构：东北林业大学曲阜师范大学江南大学西安建筑科技大学更多>>
相关期刊：《统计与决策》《中国市场》《合作经济与科技》《唐山学院学报》更多>>
相关基金：国家自然科学基金中国人民大学科学研究基金国家重点基础研究发展计划云南省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于GM(0,3)模型的合肥市房地产价格预测
《合肥学院学报（综合版）》2022年第2期51-57,共7页尹正 毕雨晴 
安徽省教育厅人文社科重点项“基于大数据的房地产泡沫指标体系构建研究”(SK2019A0644)资助。
为了研究合肥市未来房地产市场的发展趋势,为政府在房地产业接下来的工作提供依据,以合肥市2016—2020年的商品房年均房价为基础,利用平均弱化缓冲算子对数据进行误差性修正,通过灰色关联法筛选出影响合肥市房价的主要因素,根据主要影...
关键词：房地产价格 房价预测 缓冲算子 灰色关联 GM(0 3)模型 
基于DBSCAN-DNN的房地产价格预测
《中国市场》2022年第6期1-3,共3页陈琦越 梁复荣 黄锐权 邱梓杰 
影响房价的因素不再仅限于地区,还受出行便利程度、房屋区域热度的影响。针对房屋集群的识别与进一步研究,对于及时把握供需关系、价格等都有极大的帮助。文章基于密度的聚类(DBSCAN)和深度神经网络(DNN),对房屋集群进行识别聚类,根据...
关键词：房地产 DBSCAN聚类算法 空间格局 
基于灰色系统预测模型的房地产价格预测——以赣州市为例被引量：2
《房地产世界》2021年第17期23-25,38,共4页张平 龙玉婷 
本文通过收集赣州市2016—2020年的房地产年度均价数据,构造了基于灰色系统预测模型下的GM(1,1)模型,用以预测赣州市未来5年的房地产价格变化趋势。结果表明,在未来5年,赣州市房价仍会持续上涨,但相较于过去5年涨幅不大,总体趋势稳定。...
关键词：房地产 赣州市 GM(1 1)模型 房价预测 
基于ARIMA时间序列模型的房地产价格预测——以沈阳市为例被引量：2
《内江科技》2021年第5期65-65,74,共2页孟盈竹 孙胜男 
本文以房地产价格为研究对象,通过ARIMA时间序列模型对沈阳市2010~2019年房地产价格的数据进行分析,预测未来房地产价格。得出结论:2020~2021年沈阳市房地产价格快速增长;2022~2024年发展比较平稳,可能与房地产业的发展周期有关。
关键词：房地产价格 房地产业 预测未来 沈阳市 
基于VAR—GM(1.1)—SVR模型的房地产价格预测研究被引量：6
《数学的实践与认识》2021年第1期1-12,共12页刘晓君 胡升凯 迟依涵 
陕西省社会科学基金一般项目(2015R006);陕西省教育厅哲学社科研究项目(12JK0070)。
为提高房地产价格预测精度,克服传统统计数据真实性低、时效性差的缺点,本文以网络搜索数据为基础,首先通过斯皮尔曼相关分析和时差相关分析筛选出与房地产价格具有高度相关性的先行关键词,并利用向量自回归模型(VAR)和GM(1.1)模型分别...
关键词：房地产价格预测 VAR模型 GM(1.1)模型 SVR模型 
基于GM(1,1)模型的包头市房地产价格预测被引量：10
《建筑经济》2020年第S02期266-269,共4页张爱琳 白丽娜 
以包头市2015~2019年的年均房价数据为背景构造预测房地产价格波动的GM(1,1)模型,进而对包头市未来3年的房地产价格变化走势进行短期统计预测。预测结果表明,自2020~2022年,包头市的房价持续小幅上涨,但总体走势相对稳定,波动不大。测...
关键词：GM(1 1)模型 房地产价格 预测 
数据挖掘在房地产价格预测中的应用研究被引量：5
《数学的实践与认识》2020年第5期306-311,共6页邵为爽 李晓红 张天抒 王焱 
黑龙江省省属高等学校基本科研业务费科研项目(135109235)。
通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预...
关键词：粗糙集 神经网络 属性约简 房地产 价格预测 
基于ARIMA-BP组合模型的房地产价格预测方法研究被引量：5
《电脑知识与技术》2020年第9期264-269,273,共7页尤豫心 陈继红 
国家自然科学基金自助项目(61872263)。
针对使用单一预测模型存在数据特征提取不充分,预测精度不高的问题,提出了一种基于ARIMA-BP组合模型的房地产价格预测方法。结合ARIMA模型处理线性问题的优势以及BP神经网络模型在非线性问题上的优势,利用误差方差加权平均训练法训练出...
关键词：房地产价格 ARIMA模型 BP神经网络模型 组合模型 趋势预测 
基于改进型RF-BP神经网络的房地产价格预测被引量：4
《工业控制计算机》2019年第10期122-124,共3页王奕翔 陈济颖 王晟全 李昂 
江苏省高校自然科学基金面上项目(18KJD510004)
各路专家都想想出一些既方便又准确的办法对房地产价格进行预测,然而都是一般的人工分析法,有很多主观因素在里面,所以很不准确,该文介绍的基于RF-BP神经网络的方法就试图避免这一点,且具有很不错的效果。
关键词：BP神经网络 智能算法 房价预测 MATLAB 
基于数据挖掘的房地产价格预测被引量：5
《统计与决策》2019年第8期80-83,共4页唐雅娟 桂鹏程 
国家自然科学基金资助项目(61471228);广东省科技计划项目(2015B020233018)
文章针对影响房地产价格的因素比较多,而导致其预测精度低的问题,提出了房地产价格预测模型。介绍了FCM算法和一种改进的FCM优化算法,通过实验得到分类结果,利用分类结果引入模糊数学对房地产价格进行预测,最后给出预测价格的误差分析。
关键词：价格预测模型 房地产价格 数据挖掘 优化算法 分类结果 预测精度 模糊数学 误差分析 
全选清除导出
共4页<1234>
检索报告 对象比较 聚类工具 使用帮助 返回顶部