基于关联规则的小城市房地产价格预测系统

作     者：梅浩然 

作者单位：大连理工大学 

学位级别：硕士

导师姓名：孟军

授予年度：2017年

学科分类：12[管理学] 1204[管理学-公共管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 120405[管理学-土地资源管理] 

主      题：房地产价格 数据挖掘 关联规则 预测模型 

摘      要：近年来,房地产价格快速上涨,房地产行业的迅速发展已经成为地方经济的新增长点。同时三四线小城市尤其是县级市的房地产库存居高不下,为建筑业金融业等行业都造成很大隐患。数据挖掘技术是从大量的随机的数据中,提取隐含在其中人们事先不知道、但又潜在有用的信息和知识的过程。将数据挖掘技术应用在房地产领域的价格预测,可以帮助企业找出有价值的信息,使房地产价格定位适应市场。只有建立一整套的房地产企业的相关数据库,对房地产的价格波动,采用数据挖掘技术手段,才能更好地解决房地产企业管理效率低等问题。才能全面提升企业的运营效率。实现房地产业与整个国民经济的持续、平稳、协调发展。目前,已有的数据挖掘在房地产价格预测的研究主要有多元线性回归算法的预测模型、支持向量机、神经网络等,其中多元线性回归法就是针对拟定房地产价格的产生原因与价格的浮动关系,明确多元线性回归的模型参考数值。确定对房地产价格未来的变化趋势的预测。但该类模型缺陷十分明显,由于影响原因复杂,原因之间相互作用,相互干扰,致使价格浮动有一定的周期性,不确定性,区域性等特征。影响预测的精准性。由于数据挖掘对小城市的房地产价格预测的研究较少。由于房地产业地区特征明显,本文针对W市,通过对房地产历史交易价格的数据挖掘,实现对W市房地产价格的预测。收集房地产历史交易价格数据作为源数据,规范化处理源数据,设置数据挖掘中关联规则算法的最小置信度和最小支持度,对apriori算法进行改进,设计预测模型挖掘。获得影响价格因素和影响价格的关联规则。根据得到的关联规则,结合预测案例的属性特征选择相似的案例,对应的求关联属性间的贴近度,然后再用模糊数学的求平均值办法来算出预测案例的价格。经过实例测试比对,预测误差为3%。符合预测准确性要求。