1998年,我国针对住房方面的政策进行了全面改革,房地产市场异常活跃,房地产行业得到了迅猛的发展,大大促进了我国国民经济的增长,因此房地产行业逐渐成为了我国的支柱性产业。因为我国的房地产发展的比较晚,其体系也不是很完善,所以体现出了一定的波动性和比较经典的初级市场的特征,国家也在逐步制定相应措施来不断地指导房地产企业做出适当合理的投资。房地产行业的运转状况不仅会影响国民经济的发展水平及发展速度,对国家经济和金融的安全也会有很大的影响,它所带来的一些效应也不断地影响着人民的生活水平。对于房地产市场来说,最明显也是最重要的反映就是房地产的价格。房价的涨跌是一个相当复杂的经济论题,社会、经济等多种成分对房地产的发展都会产生很大影响,因此房地产的价格与影响其变化的经济因素之问的关系很难用精准的数学语言来体现。此外,另一个重要原因是,相对于国外的房地产行业,我国住宅房地产市场发展的时间比较短,相关的研究和统计数据还很少,很难用一些精细的统计模型来对房地产价格进行有效的分析,因此,本文主要以灰色系统理论和人工神经网络为基础,结合Matlab软件对房地产的价格进行研究,并且与经济学、统计学和数值分析等多门课程相结合,来对我国商品房的销售均价数据进行分析和预测。灰色系统理论是系统科学的前沿课题之一,也是灰色理论的一个分支,主要是对一些“少数据”、“少信息”的不确定性问题进行研究。而灰色预测理论作为灰色系统研究的主要课题之一,也具有重要的研究价值。所以,本文以灰色系统为目标,对灰色预测模型做了详细的介绍。首先介绍灰色预测模型的发展现状及其发展趋势,然后对灰色理论的基础知识和常用的GM(1,1)模型的建模过程及残差检验进行了详尽的介绍和分析,并将该方法用于我国当前商品房价格的预测问题。BP神经网络是人工神经网络的一个分支,也是一种常用的预测方法,不断地推动着机器智能学习的发展。在1985年,Rumelhart与一些学者提出了误差反向传播的学习机制,进而他们持续地对误差反向传播的理论进行分析和研究,在其理论及应用方面都取得了一些成就,然后通过持续地改进和完善,逐渐形成了目前的BP神经网络模型。BP神经网络模型拥有完备的知识,明确的算法流程,以及数据识别和模拟等非常强大的功能。本文以BP神经网络为基础,对我国房地产市场的商品房销售均价进行预测。本文首先对所要研究的灰色系统和人工神经网络两种模型进行介绍,特别针对常用的灰色GM(1,1)模型和神经网络模型中的BP模型,详细介绍它们的基本概念、思想、算法与模型的检验。接着,分别运用灰色GM(1,1)预测模型和BP模型来研究我国房地产行业的商品房的销售均价,并利用Matlab、Excel等统计软件,对商品房的数据建立适当的模型,并对未来几年的商品房价格加以预测。最后对两种预测方法进行比较,得出针对房地产领域相对较好的预测方法。