基于CS-AGA-BP神经网络的房价预测分析

曹亚龙 缪妍婧

摘要：针对传统BP神经网络容易陷入局部最优的缺陷，以及基于遗传算法改进的BP神经网络仍有改进空间的问题，本文建立CS（chaotic sequence）-AGA（adaptive genetic algorithms）-BP（基于混沌序列的自适应遗传算法改进的神经网络）改进模型，改进分为两个方向：1交叉概率和变异概率采用自适应算法确定;2通过Logistic混沌序列对交叉位置进行确定，并进行多基因变异，选取美国波士顿房价数据集并按4：1比例设置训练数据与测试数据，对隐含层节点进行确定后，选取train训练函数。经过MATLAB编程对GA-BP神经网络、PSO-BP神经网络、RBF神经网络与传统BP神经网络进行精度对比;另外经过计算发现CS-AGA-BP神经网络预测精度得到提升，多次运行均方差要低于GA-BP神经网络，可以认为模型优化取得良好的效果。

关键词：CS-AGA-BP;预测;房价

1算法基本原理

1.1BP神经网络简介

BP（back propagation）神经网络是一种多层前馈型神经网络，其具有三层及三层以上的多层结构，每层均由若干神经元组成，相邻层间的神经元均实现全连接，而上下层各神经元间无连接。BP神经网络分为输入层、隐含层和输出层，输入层和输出层均为一层结构，节点数目分别为自变量与因变量的数目，隐含层数不设限制，依据Kolrnogorov定理，所有3层的BP神经网络均可以趋近于任意的非线性函数，因此隐含层一般取1层，节点数目由经验函数确定。BP神经网络按有导师的学习方式进行训练，当一对学习模式提供给网络后，网络神经元将按“输入层-隐含层-输出层”路径传播，输出层输出网络响应，信号误差沿“输出层-隐含层-输入层”路径传播以逐层修正各连接权和阈值，此过程被称为“误差逆传播算法”，随着修正次数的增加，网络对输入模式响应的正确率不断提高，输出值逐步逼近期望输出。……