基于BP神經(jīng)網(wǎng)絡的沈陽市房地產(chǎn)市場預警研究

摘 要 本文運用BP神經(jīng)網(wǎng)絡，對指標進行訓練和檢驗，建立相對應的房地產(chǎn)市場預警模型，對房地產(chǎn)市場的警情進行預測。

關鍵詞 BP神經(jīng)網(wǎng)絡 房地產(chǎn)市場 預警研究

中圖分類號：F293 文獻標識碼：A

一、房地產(chǎn)市場預警評價指標的構建

本著全面性、重要性、可測性、獨立性的房地產(chǎn)預警指標選取原則，筆者選取了房地產(chǎn)行業(yè)的發(fā)展協(xié)調(diào)度、和諧穩(wěn)定度、和未知風險度三個一級指標以及12個二級指標作為警兆指標，如表1所示：

二、BP神經(jīng)網(wǎng)絡預警模型的構建

（一）神經(jīng)網(wǎng)絡結構的構建。

BP神經(jīng)網(wǎng)絡模型拓撲結構一般包括輸入層（InPutLaver），隱含層（HideLaver）和輸出層（outPutLayer）三個方面。

由于任意一個連續(xù)函數(shù)都可以準確地用一個三層向前神經(jīng)網(wǎng)絡來模擬。故本文采用只含有一個隱含層的三層神經(jīng)網(wǎng)絡作為預警系統(tǒng)。

其中房地產(chǎn)市場警兆指標為輸入層，本文輸入層節(jié)點數(shù)X=12。相對應的警情為輸出層，本文警情采用三維向量的模式，故輸出層節(jié)點數(shù)Y=3。隱含層神經(jīng)元數(shù)目N的確定，本文采用公式N=+C，其中，C 為 1 ～10 的常數(shù)。通過訓練，發(fā)現(xiàn)當N=8時，神經(jīng)網(wǎng)絡的收斂效果最好。

（二）神經(jīng)網(wǎng)絡的訓練方法。

1、信號向前傳輸。

首先，計算隱含層各單元的凈輸入Ij：

其中wij是輸入層第i單元與隱含層第j單元間的權重； j是隱含層第j單元的偏置值，p為隱含層單元總數(shù)。

第二，計算隱含層各單元的輸出yj：

第三，計算輸出層的實際輸出，計算方法與隱含層相同。

2、誤差反向傳輸。

通常用網(wǎng)絡實際輸出與目標輸出之間的方差ei來度量誤差。

其中di表示目標輸出，yi表示實際輸出。

（三）預警時差和警情的設定。

由于目前我國房地產(chǎn)發(fā)展不成熟以及相關警兆指標的局限性。本文將預警時差設定為2年，通過對上一年的警兆數(shù)據(jù)的分析來預測下一年的警情，即通過2011年的數(shù)據(jù)來預測2013年的警情。并將警情劃分為 “冷”、“正常”、“熱”三級，分別用三維向量（1，0，0）、（0，1，0）、（0，0，1）表示。

（四）神經(jīng)網(wǎng)絡的預警過程。

將經(jīng)過歸一化處理后的房地產(chǎn)市場警兆指標數(shù)據(jù)作為網(wǎng)絡系統(tǒng)的輸入，經(jīng)過訓練好的神經(jīng)網(wǎng)絡處理，輸出房地產(chǎn)市場的警情，實現(xiàn)評價指標與警情的非線性映射。

三、基于沈陽市房地產(chǎn)市場的實證研究

本文選取了沈陽市2004年到2011年的預警指標數(shù)據(jù)，其中2004年到2009年作為神經(jīng)網(wǎng)絡的訓練樣本，2010年作為檢驗樣本，2011年作為預測2013年警情的基礎數(shù)據(jù)。其中根據(jù)相關專家的分析，給出2006年到2009年沈陽市房地產(chǎn)市場地警情。

（一）神經(jīng)網(wǎng)絡的訓練。

為了使神經(jīng)網(wǎng)絡獲得較好的訓練效果，本文運用MATLAB軟件對其進行訓練。其中中間層的激勵函數(shù)為正切s型激勵函數(shù)，輸出層的激勵函數(shù)為對數(shù)s型激勵函數(shù)。學習訓練率為0.06。經(jīng)過342次迭代，網(wǎng)絡訓練誤差情況如圖迭代次數(shù)所示。

（二）神經(jīng)網(wǎng)絡的檢驗。

為了使訓練好的神經(jīng)網(wǎng)絡能夠更精確的預測警情，本文將2010年的相應指標數(shù)據(jù)輸入到已經(jīng)訓練好的網(wǎng)絡中，對網(wǎng)絡進行檢驗。檢驗結果如下表所示。

由表結果可知，神經(jīng)網(wǎng)絡輸出結果與目標輸出結果吻合度較好，故可以作為預測警情的模型。

（三）神經(jīng)網(wǎng)絡的市場預警。

將2011年的相關指標數(shù)據(jù)輸入到BP網(wǎng)絡中去，得到結果表所示：

由網(wǎng)絡輸出可得出目標輸出為（0，1，0）。即2013年沈陽市房地產(chǎn)市場處于正常狀態(tài)。

四、結語

通過檢驗，本文建立的BP神經(jīng)網(wǎng)絡模型輸出結果與目標結果吻合度較好，對沈陽市房地產(chǎn)市場具有較好地預警精度。

（作者單位：沈陽建筑大學管理學院）