您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (4): 22-30.doi: 10.6040/j.issn.1672-3961.0.2014.003

• 控制科学与工程 • 上一篇    下一篇

基于改进粒子群优化神经网络的房地产市场预测

花景新1,2, 薄煜明1, 陈志敏1   

  1. 1. 南京理工大学自动化学院, 江苏 南京 210094;  2. 山东城市建设职业学院, 山东 济南 250103
  • 收稿日期:2014-01-06 修回日期:2014-07-02 发布日期:2014-01-06
  • 通讯作者: 薄煜明（1965-），男，江苏常熟人，研究员，博导，主要研究方向系统工程与智能优化算法.E-mail：byming@mail.njust.edu.cn E-mail:byming@mail.njust.edu.cn
  • 作者简介:花景新（1964-），男，山东济南人，教授，博士，主要研究方向为房地产市场研究与智能算法.E-mail：sdhuajx@163.com
  • 基金资助:
    国家自然科学基金资助项目（61104109）；教育部博士点基金资助项目（20113219110027）；江苏省自然科学基金资助项目（BK2011703）；江苏省科技支撑与自主创新基金资助项目（BE2012178）

Forecasting of real estate market based on particle swarm optimized neural network

HUA Jingxin1,2, BO Yuming1, CHEN Zhimin1   

  1. 1. School of Automation, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu, China;  2. Shandong Urban Construction Vocational College, Jinan 250103, Shandong, China
  • Received:2014-01-06 Revised:2014-07-02 Published:2014-01-06

PDF (PC)

504

摘要： 针对粒子群优化算法精度不高、容易陷入局部最优、难以满足房地产市场形势需求的问题，提出一种改进粒子群优化神经网络，并应用于房地产市场预测中，该算法将混沌引入粒子群优化神经网络算法权重和阈值的初始化与更新的过程，提高了初始样本的质量，减轻了局部极值现象，提高了算法的全局搜索能力，同时设置了躲避因子，使粒子一定程度上离开偏离真实值的区域。研究结果表明，提出的改进算法可以提高粒子群优化神经网络权重和阈值的准确性。

关键词: 权重, 粒子群优化, 混沌, 阈值, 神经网络

Abstract: Particle swarm optimization (PSO) had the defects of low precision, and that were easily to be trapped in local optimization. To solve these problems, an neural network based on improved PSO was proposed for forecasting the real estate market. This algorithm introduced chaos sequence to update the weight and threshold, which could improve the quality of samples, reduce the local optimization and enhance the global searching ability. In addition, the avoid factor was set, which could make the particles be away from low likelihood area. Simulation results showed that this algorithm improved the accuracy of the weight and threshold.

Key words: threshold, particle swarm optimization, neural network, chaos, weight

中图分类号: 

  • TP273
[1] 叶艳兵,丁烈云.房地产预警指标体系设计研究[J].基建优化,2001,22(3):1-3. YE Yanbing, DING Lieyun. Design and study of real estate early warning index system[J].Optimization of Capital Construction, 2001, 22(3):1-3.
[2] 周忠学,李永江.房地产业预警预报系统影响因素的主成分分析[J].企业经济,2003(12):130-132. ZHOU Zhongxue, LI Yongjiang. Factors affecting principal component analysis of the real estate industry warning system[J].Enterprise Economy, 2003(12):130-132.
[3] 李永江.房地产业预警预报系统影响因素的聚类分析[J].经济师,2003(6):256-258. LI Yongjiang. Cluster analysis of factors affecting the real estate industrys early warning and forecasting system[J].China Economist, 2003(6):256-258.
[4] 赵黎明,贾永飞.房地产预警系统研究[J].天津大学学报:社会科学版,1999(12):277-280. ZHAO Liming, JIA Yongfei. Real estate early warning system[J].Journal of Tianjin University: Social Sciences, 1999(12):277-280.
[5] ZHOU Zhengzhu, QU Hongjian, JOYCE Bill. The study of risk warning and controlling of R&D outsourcing: based on BP neural network[J]. International Journal of Strategic Change Management, 2012, 4(3-4):250-265.
[6] LI Mingshun, CHEN Wencui. Application of BP neural network algorithm in sustainable development of highway construction projects[J]. Physics Procedia, 2012(25):1212-1217.
[7] CHEN Qian, HUANG Kama, YANG Xiaoqing, et al. A BP neural network realization in the measurement of material permittivity[J].Journal of Software, 2011, 6(6):1089-1095.
[8] 方正, 佟国峰, 徐心和. 粒子群优化粒子滤波方法[J]. 控制与决策, 2007, 22(3):273-277. FANG Zheng, TONG Guofeng, XU Xinhe. Particle swarm optimized particle filter[J]. Control and decision, 2007, 22(3):273-277.
[9] LI Ying, BAI Bendu, ZHANG Yanning. Improved particle swarm optimization algorithm for fuzzy multi-class SVM[J]. Journal of Systems Engineering and Electronics, 2010, 21(3): 509-513.
[10] YU Zhifu, LI Junwu, LIU Kai. Radar emitter recognition based on PSO-BP network[J]. AASRI Procedia, 2012(1):213-219.
[11] ZHANG W, LIU Y T. Adaptive particle swarm optimization for reactive power and voltage control in power systems[J]. Lecture Note in Computer Science, 2005:449-452.
[12] CHEN Zhimin, BO Yuming, WU Panlong, et al. A new particle filter based on organizational adjustment particle swarm optimization[J]. Applied Mathematics & Information Science, 2013, 7(1):179-186.
[13] JOE Yuichiro Wakano, CHRISTOPH Hauert. Pattern formation and chaos in spatial ecological public goodsgames[J]. Journal of Theoretical Biology, 2011, 268(1):30-38.
[14] LING S H, IU H C F, LEUNG H F, et al. Improved hybrid particle swarm optimized wavelet neural network for modeling the development of fluid dispensing for electronic packaging[J]. IEEE Trans Ind Electron, 2008, 55(9):3447-3460.
[15] RICHARDS M, VENTURA D. Choosing a starting configuration for particle swarm optimization[C]//Proc IEEE Int Joint Conf Neural Network.[S.l.]:[s.n.]: 2004(3):2309-2312.
[16] ZHU Zhiliang, ZHANG Wei, WONG Kwok. A chaos-based symmetric image encryption scheme using a bit-level permutation[J]. Information Sciences, 2011, 181(6):1171-1186.
[17] CHEN Zhimin, BO Yuming, WU Panlong, et al. A particle filter algorithm based on chaos particle swarm optimization and its application to radar target tracking[J]. Journal of Computational Information Systems, 2012, 8(7): 3081-3090.
[18] XINYU X, BAOXIN L. Adaptive rao-blackwellized particle filter and its evaluation for tracking in surveillance[J].IEEE Transactions on Image Processing, 2007,16(3):838-849.
[19] JOE Yuichiro Wakano, CHRISTOPH Hauert. Pattern formation and chaos in spatial ecological public goodsgames[J]. Journal of Theoretical Biology, 2011, 268(1):30-38.
[1] 黄芳,王欣,高国海,沈玲珍,付勋,方宇. 融合主客观评价的图数据Top-k频繁模式挖掘[J]. 山东大学学报 (工学版), 2025, 55(6): 1-12.
[2] 邵孟伟,袁世飞,周宏志,王乃华. 基于BP神经网络和遗传算法的翅片管结构优化[J]. 山东大学学报 (工学版), 2025, 55(6): 76-82.
[3] 邓彬, 张宗包, 赵文猛, 罗新航, 吴秋伟. 基于云边协同和图神经网络的电动汽车充电站负荷预测方法[J]. 山东大学学报 (工学版), 2025, 55(5): 62-69.
[4] 刘启明,王文辉,潘英楠,高要辉,郑程程,贺鹏. 厚度缺陷对初支结构安全性的影响及风险评价[J]. 山东大学学报 (工学版), 2025, 55(5): 165-178.
[5] 董明书,陈俐企,马川义,张珠皓,孙仁娟,管延华,庄培芝. 沥青路面内部裂缝雷达图像智能判识算法研究[J]. 山东大学学报 (工学版), 2025, 55(3): 72-79.
[6] 贾轩,许吉凯,任艺婧,刘德才,许强,张利. 基于样本扩容和数据驱动的台区理论线损计算方法[J]. 山东大学学报 (工学版), 2025, 55(3): 158-164.
[7] 祝明,石承龙,吕潘,刘现荣,孙驰,陈建城,范宏运. 基于优化长短时记忆网络的深基坑变形预测方法及其工程应用[J]. 山东大学学报 (工学版), 2025, 55(3): 141-148.
[8] 吴正健,吾尔尼沙·买买提,杨耀威,阿力木江·艾沙,库尔班·吾布力. 基于DRCoALTP的印刷体文档图像多文种识别方法[J]. 山东大学学报 (工学版), 2025, 55(1): 51-57.
[9] 李伟豪,王苹苹,许万博,魏本征. 结构先验引导的多模态腰椎MRI图像分割算法[J]. 山东大学学报 (工学版), 2025, 55(1): 66-76.
[10] 孙尚渠,张恭禄,蒋志斌,李朝阳. 盾构滚刀磨损的影响因素敏感性分析及预测[J]. 山东大学学报 (工学版), 2025, 55(1): 86-96.
[11] 林振宇,邵蓥侠. 基于盖根堡多项式最佳平方近似的谱图网络[J]. 山东大学学报 (工学版), 2024, 54(5): 93-100.
[12] 常新功,苏敏惠,周志刚. 基于进化集成的图神经网络解释方法[J]. 山东大学学报 (工学版), 2024, 54(4): 1-12.
[13] 宋辉,张轶哲,张功萱,孟元. 基于类权重和最小化预测熵的测试时集成方法[J]. 山东大学学报 (工学版), 2024, 54(3): 36-43.
[14] 马翔悦,徐金东,倪梦莹. 基于多尺度特征模糊卷积神经网络的遥感图像分割[J]. 山东大学学报 (工学版), 2024, 54(3): 44-54.
[15] 赵涛,张宁,王小超,马川义,田源,张圣涛,杨梓梁. 基于图神经网络轨迹预测的合流区交通冲突预测方法[J]. 山东大学学报 (工学版), 2024, 54(2): 36-46.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[2] 董成喜,吴德伟,何 晶 . 基于粗糙模糊集理论的卫星导航系统作战效能评估方法[J]. 山东大学学报(工学版), 2008, 38(4): 32 -36 .
[3] 张志钢,张承慧，赵洪国,焉杰. 观测时滞连续系统的白噪声H2估计[J]. 山东大学学报(工学版), 2009, 39(3): 56 -61 .
[4] 廖伙木,董增川, 束龙仓,贠汝安 . 地下水位预报中的组合时间序列分析法[J]. 山东大学学报(工学版), 2008, 38(2): 96 -100 .
[5] 焦吉成,高学东,王元璞,赵传领 . 关系积理论及属性约简算法[J]. 山东大学学报(工学版), 2008, 38(2): 112 -116 .
[6] 林 洁,杨立才,吴晓晴,叶 杨 . 求解动态路径诱导K路最短问题的人工免疫优化方法[J]. 山东大学学报(工学版), 2007, 37(2): 103 -108 .
[7] 杨志坚,宿元斌,申永和,马裕民,范坤泰5 . ZnO环形压敏电阻器消噪特性研究及其敏感电压的控制方法[J]. 山东大学学报(工学版), 2008, 38(1): 28 -31 .
[8] 张金标 . 一种改进的产品设计耦合活动迭代模型[J]. 山东大学学报(工学版), 2008, 38(2): 37 -41 .
[9] 曾雪强1,李国正2. 基于偏最小二乘降维的分类模型比较[J]. 山东大学学报(工学版), 2010, 40(5): 41 -47 .
[10] 申兆亮,王勇,谢玉东. 外摆等距线链轮啮合机理及动态特性研究[J]. 山东大学学报(工学版), 2010, 40(6): 63 -66 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发