房价一直以来是国内外学者以及广大人民所关注的热点问题之一。房价屡创新高,已经受到了城镇居民极大地关注,若任其发展,将会影响宏观经济健康发展和社会的稳定。房价与人民的生活息息相关,无论是从满足基本需求的角度还是从发展经济的角度,了解房价的发展和变化趋势都是非常重要的,因此科学的对房价进行预测是非常有意义和必要的。从国家的层面来讲,可以根据预测的结果制定适合当前市场发展的政策,也可以有效地指导开发商确定合理的房价,从而达到共赢。由于影响房价的因素很多,所以房价预测是一个极其复杂的问题,并且房价的数据也比较少,适用房价预测并且能达到一定的精度的模型也不多。支持向量回归机在小样本的预测方面有较好的作用,也比较适合处理非线性问题,本文采用支持向量回归机对武汉市的房价进行建模分析,并基于粒子群算法对参数进行寻优。将粒子群算法寻参的结果用于支持向量回归机,对武汉市的房价进行预测。本文的主要研究内容为:首先从理论上分析和研究了影响房价的相关因素,并简单介绍了商品住宅房的相关概念,根据实际情况确定了影响房价的相关因素。并基于支持向量回归机的相关原理,以武汉市商品住宅房价格为研究对象,进行了实证分析。其次结合所确定的影响房价的因素选取数据,运用主成分分析法对数据进行降维处理。以1998年~2012年数据作为训练集,运用粒子群算法和遗传算法对参数进行寻优对比,得出粒子群算法在武汉市的房价测试集数据样本中寻优效果较好。并将寻优的参数用于支持向量回归机对2013年~2015年房价进行预测。最后为了进一步说明该模型的优越性,本文还选取了多元线性回归模型和BP神经网络模型对武汉市2013年~2015年的房价进行预测。结果表明,在以武汉市为例的房价预测中,支持向量回归机比BP神经网络模型和多元线性回归模型具更好的预测效果。