基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例被引量：3

下载PDF

导出

摘要本文在文献分析和实证调查的基础上,归纳出影响房地产市场持续健康发展的四影响因素的10个具体因子,引入BP神经网络,设计出基于BP神经网络的房地产市场持续健康发展评价模型,并以南昌市为例进行了实证研究,通过样本学习和训练建立起了稳定神经网络,认为BP神经网络模型在房地产市场持续健康发展评价中具有可行性和实用性.

作者张鹤肖泽干

机构地区江西财经大学旅游与城市管理学院

出处《赤峰学院学报（自然科学版）》 2013年第3期101-103,共3页 Journal of Chifeng University(Natural Science Edition)

关键词影响因子 BP神经网络南昌市

分类号 F293.3 [经济管理—国民经济]

引文网络
相关文献

参考文献6

1姚玲珍,张小勇.中国住宅业可持续发展的定性研究[J].中央财经大学学报,2008(4):62-65. 被引量：1
2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. 被引量：51
3吕江林.我国城市住房市场泡沫水平的度量[J].经济研究,2010,45(6):28-41. 被引量：337
4翁少群,张红.基于模糊模式识别理论的中国房地产市场发展阶段判别研究[J].土木工程学报,2004,37(5):96-100. 被引量：15
5彭翊.城市房地产预警系统设计[J].中国房地产,2002(6):50-52. 被引量：21
6RUMELHART D,HINFON G,WILIAMS R. Learning Representation by Back Propagation Errors[J] .Nature, 1986(323):533-536.

二级参考文献58

1苏东荣,彭霞云.中国经济景气指标体系的构造[J].中央财经大学学报,1991(1):90-92. 被引量：1
2郑梅,丁亮.投资购房热点求解[J].数据,2005(1):40-41. 被引量：1
3<经济监测预警分析系统>课题组.中国经济监测预警分析系统的框架与结构[J].统计研究,1993,10(4):8-13. 被引量：2
4包宗华.房价收入比不是衡量泡沫的标准[J].上海房地,2005(3):11-13. 被引量：6
5吴明录,贺剑敏.我国短期经济波动的监测预警系统[J].系统工程理论与实践,1994,14(3):1-7. 被引量：6
6陈永昌.关于宏观经济指标预警法的历史考察及给我们的启示[J].预测,1989,8(3):6-10. 被引量：4
7吴桂珍.利用多元统计分析方法研制监测和预测我国经济周期波动的景气指数[J].预测,1996,15(2):66-72. 被引量：7
8吴地宝,余小勇.房地产泡沫问题及实证分析[J].经济研究导刊,2007(2):187-189. 被引量：26
9《中国银行业监督管理委员会2008年报》,第32页.
10《中国银行业监督管理委员会2007年报》,第118页.

共引文献411

1张倩倩,全诗凡.高房价对制造业投资效率的影响研究[J].投资研究,2021,40(7):53-65. 被引量：1
2马强文,赵玉阳,张艺馨.户籍管制松动推动了城市房价上涨吗——来自省会城市人才落户的证据[J].经济学报,2022,9(3):300-324. 被引量：4
3郑挺国,龚金金,宋涛.中国城市房价泡沫测度及其时变传染效应研究[J].世界经济,2021(4):151-177. 被引量：20
4何兴强,杨锐锋.房产财富对家庭消费的影响研究——基于房价收入比的证据[J].金融学季刊,2019,0(4):208-232. 被引量：2
5陈勇兵,刘佳祺,徐丽鹤.房价与出口:不可贸易部门对可贸易部门的挤出效应[J].经济研究,2021,56(3):186-203. 被引量：18
6李恩源,朱恩伟,刘洪玉.住房价格与经济基本面偏离度研究——基于我国35个大中城市相关数据的分析[J].价格理论与实践,2019(10):52-55.
7朱哲,刘光前.我国房价长期趋势研究——基于房价影响因素变动的预测分析[J].房地产世界,2021(21):1-5. 被引量：3
8周建龙.融资约束、开发商预期与城市土地出让价格变动——基于261个地级市数据的检验[J].产业组织评论,2022(2):115-131.
9李思明,田润霖.房价“双限”政策效果评价与政策调整[J].产业组织评论,2018,0(4):224-243. 被引量：3
10刘广平,连媛媛,林润辉.房价波动对制造型企业投资行为的差异化影响——市场条件和企业所有权视角[J].系统工程,2020,38(1):45-54. 被引量：6

同被引文献11

1戴小清,葛堃.江西省城镇住房需求总量预测研究[J].中国商界,2010(10):161-162. 被引量：3
2朱明强.BP神经网络在房地产投资风险分析中的应用[J].四川建筑科学研究,2006,32(6):243-246. 被引量：10
3余菊,刘新,王川.重庆市城镇住房保障影响因素的实证分析[J].重庆工学院学报（社会科学版）,2009,23(7):53-57. 被引量：2
4林芳琦.江西省“十二五”期间居民住房需求预测[J].科技广场,2010(4):80-82. 被引量：2
5袁志华,刘昌仁,郭小宏.模糊层次分析在房地产市场评价中的应用[J].重庆科技学院学报（社会科学版）,2010(15):94-96. 被引量：2
6葛怀志,张金隆.湖北省城镇居民住房需求预测模型与实证[J].统计与决策,2013,29(10):69-71. 被引量：7
7高德昊.基于组合赋权方法的房价—房地产市场发展评价模型研究[J].价值工程,2013,32(34):304-305. 被引量：1
8张鹭.基于主成分分析法的房地产市场健康状况评价——以河南省为例[J].衡阳师范学院学报,2015,36(3):94-98. 被引量：4
9喻胜华,张静.基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例[J].财经理论与实践,2016,37(1):123-128. 被引量：11
10刘亚臣,蔡君吉.基于多指标综合评价体系的区域房地产市场研究——以北京市为例[J].沈阳建筑大学学报（社会科学版）,2016,18(2):156-161. 被引量：7

引证文献3

1李欣泽,樊相宇.基于BP神经网络的房地产风险研究——以西安地区为例[J].现代商业,2013(30):45-47. 被引量：1
2王爽,陆莎.基于Lasso和BP神经网络的广西城镇住房需求预测[J].广西师范学院学报（自然科学版）,2016,33(4):46-52. 被引量：1
3窦艳杰.区域房地产市场健康状况综合评价[J].天津商务职业学院学报,2017,5(3):39-43.

二级引证文献2

1章银娥,张红霞,黄传龙,罗晖.基于BP神经网络的病虫害预测研究[J].赣南师范大学学报,2018,39(3):85-89. 被引量：2
2李冲冲.基于SVM的养老地产项目投资风险评价研究[J].价值工程,2017,36(11):40-42. 被引量：1

1瞿腾飞,胡苗苗.“两型社会”视野下城市可持续发展评价模型——基于武汉市的实证研究[J].中南财经政法大学研究生学报,2009,0(6):18-26.
2欧阳彦,卢勇辉,刘秀华.基于熵值法的城乡协调发展的综合评价研究——以重庆市为例[J].西南农业大学学报（社会科学版）,2011,9(1):10-14. 被引量：11
3段彩芹,崔爱平,李宁,刘静.唐山市循环经济发展水平实证研究[J].河北工业大学学报,2011,40(4):114-118. 被引量：6
4刘晓丹.对企业人力资源管理中培训的思考[J].经济技术协作信息,2011(10):32-32.
5赵淑琴.浅谈石油企业员工培训工作[J].科技与企业,2014(2):40-40.
6王先琳.应时化解企业危机[J].现代商业银行,2012(4):41-43.
7史建芳.我国企业员工培训的现状、问题及对策[J].现代交际,2010(4):26-27. 被引量：12
8信本京.国有企业员工培训有效性研究[J].经营管理者,2014(28):181-181.
9中国人民银行中山市中心支行课题组.房地产市场发展评价模型的研究及应用——对我国房地产市场发展的实证评价[J].河南金融管理干部学院学报,2007,25(5):24-28. 被引量：1
10刘培义.关于石油企业员工培训工作的反思[J].改革与开放,2013(3X):57-57. 被引量：4

赤峰学院学报（自然科学版）

2013年第3期

浏览历史

内容加载中请稍等...

基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例被引量：3

参考文献6

二级参考文献58

共引文献411

同被引文献11

引证文献3

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例 被引量：3

参考文献6

二级参考文献58

共引文献411

同被引文献11

引证文献3

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例被引量：3