住宅需求是指在一个特定的时期内,消费者在各种可能的价格下,愿意而且有能力购买住宅的数量,即住宅的有效需求。对住宅需求进行有效预测,能够为政府加强房地产管理,合理进行住宅和住宅相关产业发展规划,有效运用经济调控手段确保供需平衡等方面提供科学的依据,同时这也是房地产企业提高营销决策水平特别是选择最佳投资机会的重要前提和基础。因此,对住宅需求量进行准确的预测已越来越受到人们的重视。然而,由于住宅需求量与需求影响因素之间内在的、复杂的非线性关系,给住宅需求量的预测带来了相当大的难度。　　近年来,信息技术特别是人工神经网络技术的发展,为住宅需求预测提供了新的途径。本文根据住宅需求预测的特点,并针对现有的BP神经网络在住宅需求预测的应用过程中存在着极易陷入局部极小的缺陷,以遗传BP混合算法为主要技术手段优化网络的权重,建立了住宅需求预测的遗传BP神经网络模型,在住宅需求预测模型的建立中进行了创新研究。　　本文的主要研究工作概括如下:　　1.针对 BP神经网络在学习过程中容易陷入局部极小这一不足,应用遗传算法对神经网络的网络参数进行优化,设计了遗传BP混合算法。　　2.应用灰色关联分析法确定了影响住宅需求的主要影响因素,对基于遗传 BP神经网络的住宅需求预测模型的建模过程进行了研究。　　3.以桂林市区住宅需求相关数据为实证对象,构建了基于遗传 BP混合算法的桂林市区住宅需求预测模型,并运用MATLAB软件进行仿真。结果证明,与BP算法相比较,遗传BP混合算法建模的稳定性更好,并且所建立的遗传BP神经网络住宅需求预测模型的预测精度更高。