1.1 研究目的及意义

住房在国人观念中占据着举足轻重的地位。房价，也因为其特殊性，一直是一个备受人民群众关注的热点话题。自1980年正式被定义为商品以来，围绕住房而形成的房地产行业已成为我国国民经济中保民生、促增长的重要支柱。迄今为止，房地产行业曾经历过黄金十年，风光无限，带动国家经济增长；也体验过泡沫破裂，一片狼藉，影响市场活力。因此，房地产行业的不确定性会对国家经济发展、人民的日常生活乃至社会的稳定造成不同程度的影响。2008年全球金融危机以后，由于城镇化的影响及政策的推动，我国的房地产市场一度十分火爆，房价飞速上涨。杠杆式的收入也让房地产行业成为人民群众进行投资、消费的新渠道。合理正确地预测房价走势，对于居民的投资、消费乃至国家的宏观调控都有巨大的帮助。

随着社会政治经济水平的发展，房价的影响因素越来越复杂，依靠传统的计量模型对房价进行预测的局限性越来越大。因此，需要新的模型对房价进行预测，同时也要评估这些新模型的准确性。而近年来，人工智能发展迅速，国外学者开始将机器学习的方法广泛地应用于房地产评估领域。因为房地产评估中涉及的特征变量众多，特征变量与价格的关系并非传统的线性或某些特定的函数关系，釆用机器学习的方法能够更好地挖掘特征变量与价格的关系，从而取得更好的评估效果。

2. 研究的基本内容与方案

本次设计旨在通过一些房地产网站获取目标城市的房价数据，进而借助不同的机器学习算法分析这些数据，最终对目标城市的房价进行预测。在预测的同时，本设计还将设计一些指标来比较不同算法的准确度。

本次设计主要分为四步骤：

（1） 原始数据的获取。考虑到机器学习需要一定量级的数据，本次设计原始数据的获取方式拟采用数据挖掘的方法，通过访问一些房地产交易网站来获取目标城市的房价数据。一般情况下，房地产网站的数据量能够达到模型的训练要求。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 高玉明,张仁津.基于遗传算法和bp神经网络的房价预测分析[j].计算机工程,2014,40(04):187-191.

[2] 李东月.房价预测模型的比较研究[j].工业技术经济,2006(09):65-67.

[3] 武秀丽,张锋.时间序列分析法在房价预测中的应用——以广州市的数据为例[j].科学技术与工程,2007(21):5631-5635.