基于MATLAB动态神经网络进行时间序列预测房地产价格的研究

张皓

摘 要：文章以MATLAB动态神经网络为前提，采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本，利用训练样本和基础样本来建立房地产价格基于动态神经网络时间序列预测模型来预测近几年房地产价格，并与实际价格对比研究来证明此方法的有效性。

关键词：时间序列 神经网络 房地产价格预测 MATLAB

中图分类号：F293.3  文献标识码：A

文章编号：1004-4914（2015）09-284-02

随着MathWorks公司对MATLAB软件中的神经网络工具箱的功能加强，时间序列预测方法可以应用于诸多方面，房地产价格预测便是其一。时间序列预测分为三类：NARX网络类型，NAR网络类型和只有输入数据无输出数据类型（此类型不常用）。

人工神经网络，或神经网络，它是一种神经网络来模仿动物的行为特征，并制定分布式并行信息处理的算法数学模型。神经网络分为静态神经网络和动态神经网络，静态神经网络无反馈无记忆功能，与此相反，动态神经网络是一种有记忆功能并且网络不仅与当前输入也与之前输入有关。动态神经网络分为有反馈与无反馈两类。有反馈指该时间输出不仅依赖于当前输入，有可能依靠于前一个输入，同时也依赖于前一个输出;无反馈指该时间输出不仅依赖于当前输入，同时也依赖于之前的输入，即通过昨天和前天的房价，就可以预测出今天的价格。由此可知，动态神经网络适合时间序列预测，因为时间序列预测是一种有记忆功能，即不仅依赖于当前输入而且依赖于之前的输出的预测。

一、数据来源及处理

选取全国近18年房地产平均价格为基础样本做简单预测。为保证预测结果的真实性，1997-2011年数据全部采用。2012-2014年价格作为预测分析对象，不涉及在内，仅用于判断研究方法的可行性。

二、神经网络模型的训练

将原始数据导入MATLAB中，将需要训练的数据设置变量，便于之后训练。使用nnstart命令进入工具箱进行训练。数据采用动态神经网络无反馈模型，训练网络时把数据分为三类，即数据分割为训练数据、数据验证和数据检测。训练数据和数据验证决定神经网络测试的结果，数据检测只判断结果好不好。在此次训练中，三者比例为：70%、15%、15%，之后设置神经元个数和时间距离相关个数。在训练结束后要关注error图，结合error图进行有效的分析，如果不满意训练结果可以更改比例或神经元和时间距离相关个数，直到训练完成。

三、预测结果分析

利用训练成功后的预测模型，预测2012-2014年的平均房地产价格。再与实际价格进行比较，计算出相对误差并取平均值。

通过对基于动态神经网络的房地产预测模型预测的平均房地产价格比较实际价格可以看出：预测模型预测结果与实际价格相比，平均相对误差为1.72%;结合房价指数进行分析比较，发现二者之间差别不大，所以说明该预测模型具有很强的可操作性和实用性。同时，对2015年后的平均房地产价格通过时间序列预测方法和指数平滑预测方法比较后发现后几年内平均房地产价格增长稳定，增长趋势维持在8%左右。在动态神经网络中，时间序列预测法是基于时间数列所能反映的社会经济现象的发展过程和规律性，进行引申外推，预测其发展趋势的方法。当有一定时间的房地产价格后，可以结合之前的价格对之后的价格进行预测。另外，预测模型根据训练样本自动映射房地产价格的非线性关系。此外，由于神经网络具有去噪能力，有偏差的样本价格对模型的结果影响不大。

四、总结

随着经济的快速发展，以及国家对房地产事业的政策调控，即使在市场相对低迷的2015年，房地产作为国家的支柱性产业仍然对国家的经济建设有很大的影响。房地产价格预测是结合多方调研，查询相关资料，掌握充分信息进行分析预算，从而进行投资。对于广大人民来说他们格外关注房地产价格，利用动态神经网络进行时间序列预测房地产价格，得到的神经网络模型能够反映房地产价格的动态特性。虽然通过建模不能预测到其精确的发展趋势，但是当前房地产价格需要一个合理的预测模型来满足我国房地产事业的发展态势，因此时间序列预测房地产价格不失为一个好的可以提高各方面综合效益的模型，对房地产价格预测的发展具有极大的促进作用。

参考文献：

[1] 张晓平，周芳芳，谢朝.基于神经网络的房地产估价模型研究及其Matlab实现.技术经济与管理研究，2009（1）

[2] 龚卿，陈碧琼.中国房地产业发展与经济增长的动态关系分析.经济师，2006（11）

[3] 胡晓龙，郜振华，马光红.基于Elman神经网络的房地产价格预测.统计与决策，2008（7）

（作者单位：东北林业大学 黑龙江哈尔滨 150040）

（责编：贾伟）