《表2 南京市2018.4-2018.9房价模型拟合值对比表》
两个模型拟合结果如表2所示。根据表2的数据,可以知道GM(1,1)模型在房地产的时间序列(2018.04-2018.09)拟合值可信度较高,BP神经网络在拟合房价方面做到了简便、高效、减小误差,提高计算精度[9],但是在本文的拟合数据中,BP神经网络的拟合精度较GM(1,1)的精度略差;由表3可知,GM(1,1)模型能够较好地预测南京市2018.10-2018.12的房价走势数值,BP神经网络模型虽然预测精度也较高,但仍低于GM(1,1)模型。比较表2和表3数据可知,GM(1,1)模型不仅拟合效果好于BP神经网络模型,而且预测效果更优。
图表编号 | XD00139041000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.28 |
作者 | 李广胜、郭欢 |
绘制单位 | 江汉大学数学与计算机科学学院、江汉大学数学与计算机科学学院 |
更多格式 | 高清、无水印(增值服务) |