论文部分内容阅读
随着经济建设的持续发展,房地产市场日益活跃,契税的税源不断增长,契税收入逐步增加。因此,进一步完善契税征管系统工作显得尤为重要。契税征管系统中的房屋价格是管理中的一个难题,本文从与房屋价格相关的各因素间的关系着眼,按照地理位置决定房屋价格的理论,定量分析影响房屋价格变动的因素,并进行科学的预测。论文将BP神经网络技术应用于契税征管系统,以进行对房屋价格的预测,在完成了样本数据的收集及转换的基础上,研究了BP算法的改进和广义神经网络,在对网络结构优化后进行了网络训练,在此基础上得到了房屋价格预测模型。
首先,在总结数据挖掘发展的基础上,对数据挖掘的概念、过程、方法进行了总结。论文以人工神经元网络为主要的研究工具和方法,着重总结了用于BP神经网络的算法的实现与改进,并在此基础上讨论了广义神经网络的算法和构建;其次,以契税征管系统为背景,通过剖析房屋价格的影响因素,用地理位置决定房屋价格的研究手段对房屋价格的预测进行分析;
然后,按照面向对象的理论,结合IT-Kid的PARSER分析和AUTO设计方法,建立了以BP神经网络为基础的数据挖掘系统;
最后,建构了BP神经网络的初始结构,经反复的训练后,根据训练集和测试集的交叉训练方法,建立了最终的房屋价格预测模型。通过模型检验,实际预测精度较高。
通过本文的研究表明,将数据挖掘应用于房屋价格的预测具有一定的实用性和可靠性。