全文总字数：3174字

1. 研究目的与意义及国内外研究现状

改革开放以来，我国房地产业得到迅速发展，住房作为市民赖以生存的安居场所，住房价格又是房地产的一条生命线，贯穿于住房的销售与使用当中，因此越来越被人们所关注。 近年来房地产价格持续稳定上涨，已远远超过一般人所能承受的经济能力。特别是一些弱势群体即低收入的困难家庭需要住房，但因房价之高而无力购买。有部分人能拥有几套房产，而有部分急需住房有些却是超前的需求，过高的房价有可能超出经济系统的承受能力，从而最终影响经济的稳定。

导致房价上涨的因素很复杂，如果结合到我国房地产市场的实际，则房价上升主要原因有经济持续高速增长、住房需求旺盛、资本和劳动力向中心城市流动、土地资源约束且价格上升、资金可获得性高且成本低、供不应求(虽然市场透明度不高可能导致误判)下的投机炒作行为等。

随着我国市场经济的进一步发展，房价也随着市场经济的大浪随波而起，扶摇直上。当前国内的高房价与收入差距的拉大密切相关，其实，住房本身是社会大众的基本生活必需品，具有公共品的特性，从而不能简单地放任市场机制来加以配置。

2. 研究的基本内容

1.bp神经网络

人工神经网络( artificial neural network，ann)是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。人工神经网络技术可用于预测与管理、控制与优化等众多领域，对于旅游市场趋势预测同样具有较高的实用性。在人工神经网络研究中提出了很多模型，它们之间的差异主要表现在研究途径、网络结构、运行方式、学习算法及其应用上。目前应用于预测研究最多，应用最广的多层前馈网络的反向传播学习算法，简称bp算法。bp算法的主要设计思想是，将输入信号通过隐层和输出层节点的处理计算得到的网络实际输出进一步与期望输出相比较，并计算实际输出与期望输出的误差，将误差作为修改权值的依据反向传播至输入层，再修正各层的权系数，并且反复这一过程，直到实际输出与期望输出的误差达到预先设定的误差收敛标准，从而获得最终的网络权值。

2.时间序列

3. 实施方案、进度安排及预期效果

实施方案及预期效果：

采用matlab语言编写带有动量项和自适应学习率的bp网络程序，设定网络训练所用参数：误差目标为0.001，初始学习率为0.01，学习率增长系数为a=1.05，学习率减小系数b=0.75，误差增长比率上限k=1.4，动量项系数为0.9，最大训练次数为1000等，拟合出合适的预测函数用于预测房价。选择输出层有2个神经元，用搜索法确定了输入层有6个神经元、隐层有4个神经元，这样的三层bp网络是南京房价变化适合的预测模型。

进度安排：

4. 参考文献

【1】柳冬,王雯珺,谢海滨,汪寿阳,陆凤彬.我国房地产价格影响要素分析与趋势预测[j].经济与金融,2010,4(5):5-12.

【2】杨娟丽,徐梅,王福林,王吉权,刘慧.基于bp神经网络的时间序列预测问题研究[j].应用,2013,6(4):160-166.

【3】陈敏,徐德,罗庆云.基于bp神经网络的时间序列预测模型研究[j].福建电脑,2005,16(12):66-74.