装修徐工
刘敏1，2 刘艳芳1，2 张雅杰1，2 刘洋1，2 夏玉平3
（1.武汉大学资源与环境科学学院，武汉，430079；2.武汉大学教育部地理信息系统重点实验室，武汉，430079；3.南方数码科技有限公司，广州，510665）
摘要：考虑到传统地价指数编制的难度和信息的滞后性以及常用预测方法忽视地价指数是随时间变化呈现上涨趋势的非平稳随机过程造成预测精度低的问题，通过为城镇地价指数提供一种新的预测方法，满足政府、开发商等市场主体对土地市场信息的需求，构建了城镇地价指数灰色——马尔柯夫预测模型，对深圳2004年第三、四季度地价指数进行预测，并将预测结果与实际值比较，吻合度较高。
关键词：地价指数；灰色理论；马尔柯夫；预测
地价指数是反映某一区域或某一城市的土地价格在时间上的平均变动和综合变动方向及变动程度的相对指标，是城镇土地市场变化的晴雨表，它体现的是基于规划条件下的各规划地块之间的相对地价比例关系，在很大程度上消除了房地产估价的实效性约束。随着社会主义市场经济的发展，土地市场的日益活跃和完善，地价指数的重要性得到越来越多的体现，无论是政府对土地市场的宏观管理，还是地产开发商的投资开发决策，或是土地估价中可比实例的交易日期修正，都离不开地价指数的指导。但采用传统的方法测算地价指数难度大，本文试通过建立灰色——马尔柯夫预测模型，采用某地区历史的地价指数数据预测同一地区未来的地价指数，是地价指数预测在方法上的一种有创意的尝试。
1 我国地价指数编制现状
目前我国对地价指数的具体测算方法主要有两种，即拉氏公式和帕氏公式。拉氏公式是以基期为权数综合方法，表明在基期地价水平的条件下地价的综合变化，公式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，P为报告期的平均地价；P0 为基期的平均地价；q0 为基期土地交易量。
帕氏公式也是加权综合指数公式，它与拉氏公式的区别在于是以报告期为权数的综合方法，表明在报告期地价水平的条件下地价综合变动的程度，公式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，P、P0 分别为报告期和基期的平均地价；qk为报告期土地的交易量。
由于拉氏公式在定基指数的数列中各期权数相同，因此采用基于拉氏指数公式的加权平均指数公式测算的地价指数不仅能较好反映地价水平的变化、反映地价结构的影响，而且还可以很方便地计算环比地价指数，使地价指数的可比性增加，并有利于地价的动态研究，所以较常采用拉氏公式测算地价指数。
但无论采用拉氏公式还是采用帕氏公式都需要取得区域基期和报告期的平均地价数据，数据的获取存在以下困难：①单纯的土地交易较少，大部分的土地交易伴随着房产交易，因此难以直接获得土地的交易价格，一般要借助估价手段，通过复杂的计算求取；②土地市场是不完全竞争市场，土地交易价格受主观因素影响大，很多交易属于非正常交易；③土地价格具有地区性和个别性特征，因此不同地块不仅价格不同，价格内涵也有可能不一致，因此要从地价的构成因素上对土地价格进行修正，直接测算地价指数难度也较大。
鉴于直接测算地价指数存在以上的困难，同时缺乏前瞻性，因此采用一定的数学方法，利用历史的地价指数数据预测未来的地价指数具有实践意义。目前地价指数预测较常采用趋势外推法，利用计算机建立线性趋势预测模型和二次曲线趋势预测模型进行预测，但是这两种预测模型没有考虑到地价指数是随时间变化呈现上涨趋势的非平稳随机过程，由于受各种随机因素（如政府部门的土地供应政策、金融政策等）的影响，时序数据总是围绕这一变化趋势出现波动、跳跃，产生偏差，因此只能用于短期预测，对于长期预测就无法保证精度。
2 地价指数的灰色——马尔柯夫预测思想
灰色预测和马尔柯夫链预测是两种用于时间序列类型问题的预测方法，灰色模型的优点是适于预测时间短，数据资料少，波动不大的系统对象，不足之处是对随机波动大的数据序列预测准确度低；马尔柯夫链理论优点是适于预测随机波动大的动态过程，局限性在于马尔柯夫链预测对象要求具有马氏性和平稳过程等均值的特点，两种方法具有互补性。
地价指数是受各种随机因素影响而随时间变化呈现上涨趋势的非平稳随机过程，因此如果将两种预测方法有效的结合起来，先采用灰色模型对地价指数的时序数据进行拟合，找出其变化趋势，则可以弥补马尔柯夫链预测的局限，而在灰色预测的基础上再进行马尔柯夫预测，又可以弥补灰色预测对随机波动大的数据序列预测准确度低的缺陷。
3 建立灰色——马尔柯夫预测模型
3.1 建立GM （1，1） 模型
设原始序列为： ，将X（0）做一次累加，得累加生成序列 。
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
其中，
X（1）可以通过求解一阶线性微分方程：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
的解得到，其中a、u 为未知参数。
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
计算出a、u 后，可求出方程（2）的解为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
由（5）式可对 X（1）做出预测，由累减生成得到原始数据序列 X（0）的预测，即：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
其中，
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
记 即为k时刻GM（1，1）模型求得的原始数据序列的灰色预测值，它反映了原始数据呈指数规律变化的总趋势。
3.2 状态划分
在灰色预测的基础上进行马尔柯夫预测，必须将序列划分为若干状态。一般是以y＾k曲线为基准，划分成若干条形区域，每一条形区域构成一个状态。其中任一状态区间Qi 表达为：
Qi＝［Q1i，Q2i］ （i＝1，2，3，…，n）
其中：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
Oi，Pi为常数，数值根据具体情况确定。由于 是随时间k变化而变化，因此，Q1i，Q2i也随时序变化，即状态区间 Qi 具有动态性。
3.3 转移矩阵的计算和确定预测值
转移概率矩阵公式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中， 为由状态Qi经过m步转移到Qj的概率；n为划分的状态数目；Mi为原始数据按一定的概率落入状态Qi的样本数； 为由状态Qi经m步转移到Qj的原始数据样本数。
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
一般只需考察一步转移概率矩阵P（1），但当状态的未来转向难以确定时，则需要考察多步转移概率矩阵 P（m），多步转移概率矩阵可以根据切普曼 －柯尔莫哥洛夫方程确定。
确定了预测对象未来的状态转移以后，即确定了预测值变动的灰区间Qi＝［Q1i，Q2i］，可以用区间的中位数作为预测对象未来时刻的预测值： 。
4 实证研究
4.1 选取样本数据
深圳作为我国最早实行改革开放的地区，土地市场相对于其他城市而言要完善和发达许多，而综合地价指数能较为准确的反映深圳土地价格的总体水平，具有较强的综合性和趋势性，鉴于数据获取的可得性，笔者选取深圳 2001年第一季度到 2004年第二季度的综合地价指数作为样本数据，2004年第三第四季度的综合地价指数作为检验数据。具体数据见表1。
表1 深圳2001年1季度～2004年4季度综合地价指数
数据来源：深圳地价指数报告。
4.2 建立 GM （1，1） 模型
原始序列X（0）＝｛100.00，100.39，100.23，101.04，101.13，100.86，101.05，101.11，100.97，102.37，101.46，103.02，103.34，103.32｝
根据公式（1），一次累加序列 X（1）＝｛100.00，200.39，300.62，401.66，502.79，603.65，704.70，805.81，906.78，1009.15，1111.61，1214.63，1317.97，1421.29｝
根据公式（3）、（4）可求得
则
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
4.3 划分状态
根据深圳地价指数变化的实际情况，划分为Q0 （持平）、Q1 （微升）、Q2 （上升）、Q3 （微降）和Q4 （下降）五种状态。具体划分标准如下：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
其中： ，为深圳2001年第一季度至2004年第二季度综合地价指数的平均数。
状态Qi（i＝0，1，2，3，4）表示原始数据序列X（0）偏离预测曲线 的程度，落入各状态的样本点数分别为M0＝3，M1＝6，M2＝1，M3＝2，M4＝2。由于原始数据序列中最后一个数的状态转向不确定，所以，应删掉最后一个数据，然后根据由i经一步转移到j的样本点数Mij，计算一步状态矩阵M，再根据M计算 经一步转移到 的转移概率Pij从而得到一步状态转移矩阵P（1），结果如下：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
深圳2004年第二季度综合地价指数处于Q0 状态，考察一步转移概率矩阵第一行可知，下一季度转为状态Q1、Q2 的概率均为1/2，因此根据此一步转移概率矩阵无法预测深圳2004年第三季度综合地价指数所处的状态，需要进一步考察二步转移概率矩阵。根据切普曼－柯尔莫哥洛夫方程确定二步转移概率矩阵P（2），结果如下：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
考察此二步转移概率矩阵第一行可知，处于Q0 状态的第二季度综合地价指数在第三季度转为状态Q1 的概率最大，概率值为0.67，因此可预测2004年第三季度综合地价指数处于Q1，即微升状态。指数预测值为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
同理，根据第三季度地价指数预测值，判定其所处的状态为 Q0，可预测出深圳2004年第四季度地价指数状态转向Q1，综合地价指数值为： ，预测结果与现实数据的比较见表2。
表2 地价指数预测效果比较
由表2 预测结果可以看出，用灰色——马尔柯夫模型对深圳2004年第三、四季度的综合地价指数进行预测所得结果与现实数据吻合度较高。
5 结语
由于我国过去长期实行的是计划经济体制，土地市场的形成和发育时间都较短，因此土地市场信息相对较少，但是随着市场经济的不断发展和完善，政府、开发商等市场主体对土地市场信息的需求越来越迫切，这在信息的供给与需求之间就形成了一种矛盾。本文建立的灰色——马尔柯夫模型，综合考虑了市场规律本身的趋势性和国家的宏观调控和大政方针对土地市场的影响造成地价指数的波动性，用城镇较少的历史地价指数数据预测城镇未来的地价指数，并通过实例验证预测结果与现实情况吻合度较高，能够较好预测土地市场的价格走势，较好地解决了土地市场贫信息和多需求的矛盾。
本文实例验证采用的是市场化程度较高的深圳地价指数数据，但是由于我国目前大部分城市的土地市场发育程度还不理想，而且模型预测结果从根本上来说仍然需要市场交易资料的斧正，所以适用范围和程度有一定限制，但不失为一种有益的尝试。
参考文献
［1］李何超，汪四文.论城镇地价指数编制方法［J］.城市发展研究，2000，4：56～58
［2］岳朝龙，王琳.股票价格的灰色——马尔柯夫预测［J］.系统工程，1999，11：54～59
［3］贾 华，祝国瑞.土地利用规划中农作物单产预测的灰色——马尔柯夫链方法 ［J］.武汉测绘科技大学学报，1998，23 （2）：149～152
［4］刘耀林，刘艳芳，张玉梅.基于灰色——马尔柯夫模型的耕地总量预测模型［J］.武汉大学学报.信息科学版2004，29 （7）：575～580
美丽的球姑娘
灰色预测是灰色系统理论的数学应用，其数学基础，从根本上区别于传统数学预测模型，典型传统数学预测模型，就是那些基于统计数据的数理模型，如一元线性回归、多元回归、Logistic等。这些统计模型对给定数据采取自变量与因变量相对应的简单处理方式，也就是说，先行假定这些量及其数据之间具有这样一些形式的对应关系，采用数学方式表达这种形式关系，就是统计回归模型。但是，灰色预测模型则认为，量及其数据同其他量及数据之间、甚至一个量的多个序列数据值之间所具有的关系，并不必然显现为那种明确的统计回归关联，而是总带有内部联系，而这种联系又并不能确定无疑地表达出来，而只能表达出这种联系在数据上呈示给我们的那种数列关系，于是，这种呈示出来的关系，其实已经是该量多个数据值内部发生关系所产生出来的结果，所以，要列出这些数据值之间的关系，就并不是无隐藏的统计关系，而应该是隐含着原因在结果数据值之中的那种关系，那也就是微分方程，其实这也是微分方程的实际意义。灰色预测的数据理论基础，简而言之，集成了中等数学中的数列理论、高等数学中的微分方程、线性代数、数理统计等理论。在近年来，灰色预测的发展还体现在以上那些数学理论基础与最新人工智能算法、进化算法、生物仿生算法的相融合上，具体而言，已经涉及到较深的研究领域了。
一杯甜柠檬水
目前，国际、国内200多种期刊发表灰色系统论文，许多国际会议把灰色系统列为讨论专题。灰色系统理论应用范围已拓展到工业、农业、社会、经济、能源、地质、石油等众多科学领域，成功地解决了生产、生活和科学研究中的大量实际问题，取得了显著成果，在植物病理学科内也有一定的应用。
灰色预测方法的特点表现：首先是它把离散数据视为连续变量在其变化过程中所取的离散值，从而可利用微分方程式处理数据；而不直接使用原始数据而是由它产生累加生成数，对生成数列使用微分方程模型。这样，可以抵消大部分随机误差，显示出规律性。
研究一个系统，一般应首先建立系统的数学模型，进而对系统的整体功能、协调功能以及系统各因素之间的关联关系、因果关系、动态关系进行具体的量化研究。这种研究必须以定性分析为先导，定量与定性紧密结合。系统模型的建立，一般要经历思想开发、因素分析、量化、动态化、优化五个步骤，故称为五步建模。
第一步：开发思想，形成概念。通过定性分析、研究，明确研究的方向、目标、途径、措施，并将结果用准确简练的语言加以表达，这便是语言模型。
第二步：对语言模型中的因素及各因素之间的关系进行剖析，找出影响事物发展的前因、后果。一对前因后果（或一组前因与一个后果）构成一个环节。一个系统包含许多这样的环节。有时，同一个量既是一个环节的前因，又是另一个环节的后果，将所有这些关系连接起来，便得到一个相互关联的、由多个环节构成，即为网络模型。
第三步：对各环节的因果关系进行量化研究，初步得出低层次的概略量化关系，即为量化模型。
第四步：进一步收集各环节输入数据和输出数据，利用所得数据序列，建立动态GM模型，即动态模型。动态模型是高层次的量化模型，它更为深刻地揭示出输入与输出之间的数量关系或转换规律，是系统分析、优化的基础。
第五步：对动态模型进行系统研究和分析。通过结构、机理、参数的调整，进行系统重组，达到优化配置、改善系统动态品质的目的。这样得到的模型，称之为优化模型。
五步建模的全过程，是在五个不同阶段建立五种模型的过程：语言模型；网络模型；量化模型；动态模型；优化模型。在建模过程中，要不断地将下一阶段中所得的结果回馈，经过多次循环往复，使整个模型逐步趋于完善。
灰色系统理论的产生和发展动态，灰色系统的基本概念，灰色系统与模糊数学、黑箱方法的区别，灰色系统预测GM（1，1）模型，GM（1，N）模型，灰色系统模型的检验，应用举例。
那你问我是问对人了，我今天刚看到看了一篇这样的文章，研究的是重庆的低碳交通。题目：重庆市城镇化进程中低碳交通研究关键词: 城镇化；低碳；交通；Urbanizat
总迷路的熊 3人参与回答 2023-12-05 去光伏电站要，一般会给
兔小主改名了 4人参与回答 2023-12-07 工程检测技术论文篇二 浅论工程质量检测 摘 要：对于建设工程质量检测的全面完善，有关部门和机关应贯彻落实好监督管理工作，同时不断加强质量
打怪兽789 2人参与回答 2023-12-09 风险预测模型属于风险管理领域的研究。根据查询相关信息显示，风险预测模型主要用于预测和评估未来可能出现的风险和损失，因此它属于风险管理领域。风险管理是指在不确定的
lucaminiya 1人参与回答 2023-12-08 企业财务风险是指企业在各项财务活动过程中，由于各种难以预料或控制的因素影响，财务状况具有不确定性，从而使企业有蒙受损失的可能性。下文是我为大家整理的有关财务风险
绝妙蓝调 2人参与回答 2023-12-06 
