【摘 要】
:
二手房价格一直是人们极为关注的问题,它的准确预测对城市规划、民众购房、市场调控与监管都具有重要意义。由于影响房价的因素诸多,传统的线性回归模型已经无法解决非线性的
论文部分内容阅读
二手房价格一直是人们极为关注的问题,它的准确预测对城市规划、民众购房、市场调控与监管都具有重要意义。由于影响房价的因素诸多,传统的线性回归模型已经无法解决非线性的价格变化问题,房价预测从最初采用的数理统计方法发展到目前使用的深度学习算法。在不断追求更高预测精度的过程中,研究者们发现价格变化的时序性不容忽视,且证明了LSTM神经网络模型在应对序列问题时具有优势。但在使用LSTM模型进行房价预测的研究中,由于必须保证数据具有时序性,而只能对区域的年度均价或者月度均价进行预测。针对这一问题,本文获取了郑州市金水区的二手房数据,在时间序列的基础上为数据赋予空间序列,构建基于LSTM神经网络的预测模型,并进行了一房一价的预测。本文从数据存在空间分布差异的角度出发进行预测,具有受政策等因素影响较小的优势。主要工作如下:⑴为了获取更加全面的二手房信息,本文选取房天下网站进行数据爬取,整体采用Scrapy-redis分布式爬虫框架,基于房天下网站编写爬取规则,以每月固定时间采集一次的方式,获取了房天下网站从2018年10月到2019年8月的在售二手房数据。⑵通过空间自相关分析对数据中单价属性进行空间关联挖掘,以二手房数据之间的空间关联性为依据,本文提出基于Haversine的空间序列算法,利用该算法为每个月的数据进行空间序列排序,使每个月的数据变成具有空间关联的长序列。⑶基于LSTM神经网络构建模型,设计个性化Attention机制层并针对本文数据的序列特性对其进行改进,在不改变数据序列的前提下,Attention机制为每条数据赋予专属权重,通过突出更重要特征对预测精度进行提升。本文基于LSTM神经网络设计三种实验方案进行预测对比,采用MAE、RMSE和R~2作为模型评价标准,实验结果表明本文构建的空间序列+Attention机制+LSTM模型预测效果更好。
其他文献
2010年以前,大小兴安岭重点国有林区以高强度采伐的方式导致了森林资源空心化、生态安全保障功能减弱、林区民生问题严重、林区经济发展举步维艰;2011年,实施全面停止主伐并
当今社会,世界经济正一步步向着一体化的方向前进,在此大环境下,对于销售和服务业来说,其顾客需求正逐渐向更加个性化方向发展,需求不确定性因素不断增多,企业采购模式随之发生变化。企业决策者优先考虑自身目标利润,供应链利润最大化不受重视,势必造成供应链绩效下降。为此国内外都对于此问题做出了一系列研究,供应链契约便是一个研究方向。从经济学角度来讲,资源总是稀缺的,采购资金更是尤为重要,因此采购行为中考虑资
提升需求侧响应从而更加合理的引导用户用电,以期达到节能减排、可持续发展的目的日益成为时代发展的主题。为实现这一目标,基于用户用电行为的非侵入式负荷监测(Nonintrusiv
光纤传感器具有灵敏度高、耐腐蚀、抗电磁干扰、体积小、重量轻等实用性优势,在石油开采、地质勘探和生物化学检测等领域中应用广泛。其中,多模-单模-多模(multimode-single-
目前很多关于黑碳向青藏高原传输和对高原影响的模拟研究大多数设置的水平分辨率都低于20km,但是分辨率过低不能够完全解析喜马拉雅山的复杂地形。在本文的研究中,我们使用大
振动信号在土木、航空、大型机械等许多领域都具有重要的研究意义,是各界学者的广泛关注的一个重要问题,振动传感器的研究是进行振动信号监测的重要一环。光纤光栅传感器具有
在物联网高速发展的今天,蓝牙(Bluetooth)已经成为了应用最广泛的短距离无线通信协议。在蓝牙家族中,BLE(Bluetooth Low Energy)由于其低功耗的特性,备受各种智能设备的青睐。BLE也因此在蓝牙家族中占据了举足轻重的地位。目前针对BLE的攻防研究大多集中于破解消费级智能设备和挖掘操作系统的BLE协议栈漏洞,而针对BLE链路层本身的攻防研究则十分罕见,相关的工具仅有GitHu
二氧化氮气体在工业、航空等领域起着重要作用,同时也是一种常见的污染气体。人体短时间暴露在1 ppm浓度的二氧化氮环境中,呼吸道系统便会受到损伤。长时间暴露在二氧化氮超
数字图像处理是使用计算机对图像进行除噪、增强、修复、分割等处理的技术,其中数字图像修复技术是图像处理技术研究的热门领域。图像修复是指通过对破损图像中有效信息的处
语言是人类进行信息表达和交流的重要工具。通过运用语言,人类既可以描述客观事实,又可以表达主观思想。随着深度学习技术的快速发展,自然语言生成(Natural Language Generat