房地产行业在我国国民经济中占有举足轻重的地位,其中房价是最重要、人们最为关心的问题。传统的统计数据公布存在一定的滞后性,这使得很难对房地产价格指数进行及时精准预测。在互联网时代,我们每天都在主动或被动地接收各种来自网络的信息,这些信息包含了消费者的购买意向以及对于房地产发展的主观认知等信息。如何充分利用这些信息以提高对房地产价格的预测准确性是学者一直在探究的问题。在房地产价格指数预测中加入网络搜索信息,可以在一定程度上克服变量选取上的主观性,使影响因素更为全面、客观,并且获取的数据不会因为人为原因产生误差,提升预测效果。因此本文选择房地产价格指数作为研究对象,以深圳市为代表,利用百度指数来进行预测。对于百度指数关键词的选取,本文主要参考了已有文献的做法,根据房地产价格的主要影响因素确定初始核心关键词,然后通过关键词拓展方法形成了关键词库,最后利用斯皮尔曼相关分析和时差相关分析对关键词进行筛选。由于筛选出的关键词仍然存在着较强的相关性,使用主成分方法合成了三个综合指标。为了能将数据频率不同的百度指数和房地产价格指数同时纳入模型进行回归分析,本文分别建立了单变量和多变量的混频数据抽样模型,再使用BP神经网络方法对最优混频模型的结果进行修正,最终构建了组合预测模型。基于上述研究,本文主要得出三点结论:（1）人们的搜索行为确实会和房地产价格的波动存在相关关系,但是二者不是同步变化的。（2）不管是单变量还是多变量的混频模型,预测精度都优于同频模型,且经过BP神经网络模型修正后的组合模型预测精度更高。（3）组合预测模型可以实现对样本外的实时预测,结果非常接近真实值。