曹亞飛 郭亞萍

摘 要：商品房的價(jià)格受多方面因素的影響，傳統(tǒng)的預(yù)測(cè)方法并不十分有效。為了探索新的房?jī)r(jià)預(yù)測(cè)理論模型，利用重慶市的數(shù)據(jù)，驗(yàn)證了遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)房?jī)r(jià)預(yù)測(cè)的有效性，從而可以對(duì)房地產(chǎn)供求雙方及監(jiān)管機(jī)構(gòu)提供一定的參考。

關(guān)鍵詞：遺傳算法；BP神經(jīng)網(wǎng)絡(luò)；房?jī)r(jià)預(yù)測(cè)；重慶市房?jī)r(jià)

文章編號(hào)：1004-7026（2018）14-0035-01 中國圖書分類號(hào)：TP183 文獻(xiàn)標(biāo)志碼：A

商品房作為生活的必需品和重要的投資領(lǐng)域，價(jià)格走勢(shì)一直受到社會(huì)各層的廣泛關(guān)注，房地產(chǎn)市場(chǎng)的過熱或者過冷都不利于我國經(jīng)濟(jì)的可持續(xù)發(fā)展，其健康發(fā)展關(guān)聯(lián)的不僅僅是這個(gè)市場(chǎng)，也直接關(guān)系到人民對(duì)美好生活的需求。由于房地產(chǎn)市場(chǎng)的復(fù)雜性和多變性，以傳統(tǒng)計(jì)量方法為基礎(chǔ)建立的經(jīng)濟(jì)模型大多是線性的，與實(shí)際誤差較大，在當(dāng)前大數(shù)據(jù)+機(jī)器學(xué)習(xí)的時(shí)代背景下，遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)為房?jī)r(jià)走向的預(yù)測(cè)提供了新的方法。

1 遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)基本原理

BP神經(jīng)網(wǎng)絡(luò)也被成為誤差反向傳播神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)過程分為數(shù)據(jù)的正向傳播和誤差的反向傳播。在正向傳播時(shí)，模型作用在輸入層，數(shù)據(jù)從輸入到輸入層后，隱含層會(huì)逐層處理數(shù)據(jù)，進(jìn)而傳導(dǎo)到輸出層。如果輸出層實(shí)際輸出和標(biāo)準(zhǔn)的期望輸出有差距，那么就會(huì)進(jìn)入到誤差的反向傳播進(jìn)程。反向傳播過程就是將誤差傳導(dǎo)到隱含層，在隱含層內(nèi)向輸入層不斷返回?cái)?shù)據(jù)，并傳導(dǎo)到不同的神經(jīng)單元，得到不同層單元的誤差信號(hào)后會(huì)將其不斷修正，使得連接權(quán)值誤差不斷減小。BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是通過不斷調(diào)整這種連接權(quán)數(shù)誤差的過程，并最終使得輸出的均方誤差達(dá)到要求的標(biāo)準(zhǔn)。

遺傳算法是一種模擬自然淘汰和生物進(jìn)化過程的新型計(jì)算模型，其是受達(dá)爾文進(jìn)化論的啟發(fā)而提出的一種啟發(fā)式搜索算法。通過將需要解決的函數(shù)關(guān)系模擬為一種生物進(jìn)化的過程，可以經(jīng)過交叉檢驗(yàn)選擇淘汰過濾掉那些適應(yīng)性低的函數(shù)個(gè)體，并增加高適應(yīng)性個(gè)體數(shù)量，在多代的循環(huán)過程之后，最終可以產(chǎn)生出一系列符合條件的個(gè)體。因此，可在BP神經(jīng)算法學(xué)習(xí)訓(xùn)練時(shí)用遺傳網(wǎng)絡(luò)算法對(duì)其權(quán)數(shù)和閾值來尋求最優(yōu)化，在縮小范圍之后再利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)[1]。

2 基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)重慶市房?jī)r(jià)預(yù)測(cè)模型

2.1 變量的選取

根據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本原理，本文選取2005—2015年重慶市房?jī)r(jià)影響相關(guān)因素的數(shù)據(jù)來進(jìn)行學(xué)習(xí)訓(xùn)練，具體指標(biāo)選取有：人均GDP（元）、所在地商品房投資額（億元）、所在地人均住房面積（平方米）、所在地人均可支配收入（元）、所在地年人均支出（元）、所在地常住人數(shù)（萬人）、所在地商品房年銷售面積（萬平方米）和商品房地價(jià)8個(gè)影響房?jī)r(jià)的指標(biāo)作為輸入變量節(jié)點(diǎn)。隱含節(jié)點(diǎn)的個(gè)數(shù)由公式：m=■+？琢決定，參數(shù)的具體數(shù)值通常由固定經(jīng)驗(yàn)來決定，a一般為1～12之間的常數(shù)，m為輸入變量個(gè)數(shù)，n為輸出變量個(gè)數(shù)。

2.2 訓(xùn)練樣本和預(yù)測(cè)樣本的構(gòu)造

基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型中建立一個(gè)8個(gè)輸入層， 1個(gè)輸出層的學(xué)習(xí)訓(xùn)練模型，通過將重慶市2005—2015年相關(guān)指標(biāo)數(shù)據(jù)輸入，不斷調(diào)整隱含層權(quán)重閾值，學(xué)習(xí)間隔為用前3年的房?jī)r(jià)數(shù)據(jù)對(duì)下一年房?jī)r(jià)作出預(yù)測(cè)，在遺傳算法改進(jìn)下，BP神經(jīng)網(wǎng)絡(luò)的參數(shù)處于不斷的修正當(dāng)中，并在學(xué)習(xí)訓(xùn)練的過程中達(dá)到理想的預(yù)測(cè)精度。

2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和結(jié)果

通過用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)改進(jìn)，利用2005—2015年的各指標(biāo)數(shù)據(jù)對(duì)學(xué)習(xí)訓(xùn)練過后的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)重慶市2016年和2017年房?jī)r(jià)進(jìn)行預(yù)測(cè)，再與統(tǒng)計(jì)局公布的真實(shí)房?jī)r(jià)數(shù)據(jù)對(duì)比，預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)的誤差平均方差為1.1665e-005。從實(shí)際的結(jié)果來看，模型預(yù)測(cè)2016年房?jī)r(jià)為6 822.6元/m2，2017年房?jī)r(jià)為7 942.7元/m2。根據(jù)重慶市統(tǒng)計(jì)局的數(shù)據(jù)，2016年重慶市商品房銷售均價(jià)為7 116元/m2，2017年商品房銷售均價(jià)為8 324元/m2，與預(yù)測(cè)所得到的結(jié)果誤差在5%以內(nèi)，預(yù)測(cè)具有較高的可信度。

3 結(jié)束語

首先，對(duì)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行介紹，其次，利用遺傳改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)重慶市房?jī)r(jià)進(jìn)行了預(yù)測(cè)，通過與實(shí)際數(shù)據(jù)進(jìn)行對(duì)比分析，發(fā)現(xiàn)遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)具有一定的預(yù)測(cè)價(jià)值，可對(duì)各方提供參考。但由于商品房?jī)r(jià)格形成機(jī)制復(fù)雜，還受到各地調(diào)控政策、宏觀經(jīng)濟(jì)環(huán)境等因素影響，一定程度上影響了對(duì)房?jī)r(jià)預(yù)測(cè)的客觀性，但這并不影響模型的預(yù)測(cè)價(jià)值。

參考文獻(xiàn)：

[1]王筱欣，高攀.基于BP神經(jīng)網(wǎng)絡(luò)的重慶市房?jī)r(jià)驗(yàn)證與預(yù)測(cè)[J].重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2016，30（9）：49-53.