基于BP神经网络的房地产价值评估研究
发布时间：2022-10-10 21:35
随着城市化发展,我国房地产市场发展迅速,出现了大量的消费、投资等交易活动。其中,住宅类房地产是房地产市场的热点,占据了最大的开发投资比重。房价的快速上涨引发的种种矛盾引起了社会各界的广泛关注,要求对房地产价格进行客观准确的评估,从而使人们准确把握房地产价格及其走势。然而传统的房地产评估方法耗费大量人力物力,速度慢、主观性强,无法满足房地产市场中大量的交易与价格评估需求,此外,由于房地产自身所固有的特殊属性,影响房地产价格的特征因素数据信息很繁杂,不仅包括定性数据因素,还包括定量数据因素。要对这些发生交易的房地产的数据信息进行有效的利用,必须要对它们进行搜集、整理以及有效的存储。因此,对传统的方法进行改进,或寻找更加科学的评估方法来研究房地产价值评估具有重要的理论意义和实践意义。BP神经网络是一种功能强大、应用广泛的机器学习算法,它的自适应性、非线性和大规模并行处理能力使其能够大量减少人力物力,高效率地处理非线性问题,降低主观随意性,从而能够在房地产评估中发挥有效作用。基于BP神经网络的房地产价值评估主要是在传统方法的理论基础上,通过计算机来搜集处理大量的数据信息,找到房地产评估与其影响...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究目的与意义
1.2 国内外研究现状
1.2.1 房地产评估的研究现状
1.2.2 神经网络研究与应用现状
1.2.3 BP神经网络在房地产评估中的应用
1.3 研究内容与方法
1.3.1 研究内容与思路
1.3.2 研究方法与技术路线
1.4 预期的成果和可能的创新点
1.4.1 预期成果
1.4.2 可能的创新点
第2章 房地产评估的相关理论与方法
2.1 房地产评估的基本理论
2.1.1 房地产的概念及房地产的价格
2.1.2 房地产的分类
2.1.3 居住房地产的类型及特点
2.2 房地产评估的方法
2.2.1 房地产评估常用的方法及其适用范围
2.2.2 居住房地产的估价方法及优缺点
2.3 BP神经网络理论
2.3.1 BP神经网络的基本概念与特点
2.3.2 BP神经网络在房地产评估中的可行性
2.3.3 BP神经网络在房地产评估中的优越性
2.4 本章小结
第3章 房地产价值评估指标体系构建
3.1 房地产价格的影响因素
3.1.1 政策因素
3.1.2 经济因素
3.1.3 人口因素
3.1.4 环境因素
3.1.5 区位因素
3.1.6 实体因素
3.1.7 心理因素及其他
3.2 居住房地产价值评估指标体系
3.2.1 居住房地产价值评估关键影响因素指标集
3.2.2 指标体系量化
3.2.3 归一化和同趋势化处理
3.3 学区房价值评估指标体系优化
3.3.1 学区房的成因与社会效应
3.3.2 学区房的指标优化
3.4 本章小结
第4章 基于BP神经网络的房地产评估模型构建
4.1 BP神经网络原理
4.1.1 神经元模型
4.1.2 BP神经网络的结构
4.1.3 BP神经网络的学习机制
4.1.4 三层BP神经网络的计算原理
4.2 BP神经网络的设计
4.2.1 输入层和输出层的设计
4.2.2 隐含层的设计
4.2.3 网络结构参数的确定
4.3 MATLAB对房地产评估BP神经网络模型的实现
4.4 本章小结
第5章 实证研究
5.1 数据搜集与处理
5.1.1 数据的搜集
5.1.2 数据分析与处理
5.2 BP神经网络训练
5.2.1 数据输入与整理
5.2.2 模型的初步训练
5.2.3 模型的检验
5.3 模型优化
5.3.1 隐含层数的优化
5.3.2 隐含层节点数的优化
5.3.3 传递函数的优化
5.3.4 训练函数的选取
5.3.5 指标体系优化
5.4 模型结果与交叉检验
5.4.1 模型结果
5.4.2 五折交叉检验
5.5 本章小结
第6章 研究成果和结论
参考文献
附表A
附表B
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]房地产价格评估方法前沿动态及其应用研究[J]. 姜松. 重庆理工大学学报(社会科学). 2015(11)
[2]基于多元线性回归分析法的房地产价格评估[J]. 仲小瑾. 商业时代. 2014(36)
[3]层次分析法在房地产估价市场比较法中的改进[J]. 郑淑琴. 现代经济信息. 2014(11)
[4]基于模糊权重的改进的房地产市场综合评价法[J]. 花景新,薄煜明,陈志敏. 济南大学学报(自然科学版). 2014(06)
[5]基于模糊神经网络的市场比较法在土地估价中的应用[J]. 柳俊峰. 数字技术与应用. 2013(07)
[6]基于GIS的房地产市场比较法评估模型研究[J]. 王秀丽,李恒凯,刘小生. 中国土地科学. 2011(10)
[7]模糊理论在房地产评估领域的应用探析[J]. 唐加冕,梁海军. 商业时代. 2011(01)
[8]基于模糊数学的房地产估价方法研究[J]. 李伟. 山西建筑. 2010(02)
[9]基于GIS和模糊理论的房地产估价比较法研究[J]. 黄海,李爽,杨清伟. 重庆交通大学学报(自然科学版). 2009(05)
[10]中国房地产价格的多元线性回归模型[J]. 秦迎霞,席金萍,吴润衡. 数学的实践与认识. 2009(06)
博士论文
[1]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
硕士论文
[1]基于随机森林理论的北京市二手房估价模型研究[D]. 陈奕佳.北京交通大学 2015
[2]基于BP神经网络的城市轨道交通沿线房地产价值评估方法研究[D]. 任世杰.北京交通大学 2015
[3]BP神经网络在房地产批量评估中的应用研究[D]. 李菊.昆明理工大学 2015
[4]对传统住宅房地产价格评估方法的改进研究[D]. 王积振.首都经济贸易大学 2015
[5]基于市场法的房地产评估指标体系研究分析[D]. 郑皓文.西南财经大学 2014
[6]基于成本法的房地产评估案例研究[D]. 余培.西南财经大学 2014
[7]基于支持向量机回归的房地产批量估价模型研究[D]. 郭志强.暨南大学 2013
[8]市场比较法的灰色模糊建模及其应用[D]. 任文娟.昆明理工大学 2013
[9]基于RS-ANN模型的住宅类房地产估价市场比较法的改进研究[D]. 张笑.东北林业大学 2013
[10]基于改进BP神经网络的住宅房价格分析研究[D]. 胡为尧.南京信息工程大学 2011
本文编号：3690394
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究目的与意义
1.2 国内外研究现状
1.2.1 房地产评估的研究现状
1.2.2 神经网络研究与应用现状
1.2.3 BP神经网络在房地产评估中的应用
1.3 研究内容与方法
1.3.1 研究内容与思路
1.3.2 研究方法与技术路线
1.4 预期的成果和可能的创新点
1.4.1 预期成果
1.4.2 可能的创新点
第2章 房地产评估的相关理论与方法
2.1 房地产评估的基本理论
2.1.1 房地产的概念及房地产的价格
2.1.2 房地产的分类
2.1.3 居住房地产的类型及特点
2.2 房地产评估的方法
2.2.1 房地产评估常用的方法及其适用范围
2.2.2 居住房地产的估价方法及优缺点
2.3 BP神经网络理论
2.3.1 BP神经网络的基本概念与特点
2.3.2 BP神经网络在房地产评估中的可行性
2.3.3 BP神经网络在房地产评估中的优越性
2.4 本章小结
第3章 房地产价值评估指标体系构建
3.1 房地产价格的影响因素
3.1.1 政策因素
3.1.2 经济因素
3.1.3 人口因素
3.1.4 环境因素
3.1.5 区位因素
3.1.6 实体因素
3.1.7 心理因素及其他
3.2 居住房地产价值评估指标体系
3.2.1 居住房地产价值评估关键影响因素指标集
3.2.2 指标体系量化
3.2.3 归一化和同趋势化处理
3.3 学区房价值评估指标体系优化
3.3.1 学区房的成因与社会效应
3.3.2 学区房的指标优化
3.4 本章小结
第4章 基于BP神经网络的房地产评估模型构建
4.1 BP神经网络原理
4.1.1 神经元模型
4.1.2 BP神经网络的结构
4.1.3 BP神经网络的学习机制
4.1.4 三层BP神经网络的计算原理
4.2 BP神经网络的设计
4.2.1 输入层和输出层的设计
4.2.2 隐含层的设计
4.2.3 网络结构参数的确定
4.3 MATLAB对房地产评估BP神经网络模型的实现
4.4 本章小结
第5章 实证研究
5.1 数据搜集与处理
5.1.1 数据的搜集
5.1.2 数据分析与处理
5.2 BP神经网络训练
5.2.1 数据输入与整理
5.2.2 模型的初步训练
5.2.3 模型的检验
5.3 模型优化
5.3.1 隐含层数的优化
5.3.2 隐含层节点数的优化
5.3.3 传递函数的优化
5.3.4 训练函数的选取
5.3.5 指标体系优化
5.4 模型结果与交叉检验
5.4.1 模型结果
5.4.2 五折交叉检验
5.5 本章小结
第6章 研究成果和结论
参考文献
附表A
附表B
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]房地产价格评估方法前沿动态及其应用研究[J]. 姜松. 重庆理工大学学报(社会科学). 2015(11)
[2]基于多元线性回归分析法的房地产价格评估[J]. 仲小瑾. 商业时代. 2014(36)
[3]层次分析法在房地产估价市场比较法中的改进[J]. 郑淑琴. 现代经济信息. 2014(11)
[4]基于模糊权重的改进的房地产市场综合评价法[J]. 花景新,薄煜明,陈志敏. 济南大学学报(自然科学版). 2014(06)
[5]基于模糊神经网络的市场比较法在土地估价中的应用[J]. 柳俊峰. 数字技术与应用. 2013(07)
[6]基于GIS的房地产市场比较法评估模型研究[J]. 王秀丽,李恒凯,刘小生. 中国土地科学. 2011(10)
[7]模糊理论在房地产评估领域的应用探析[J]. 唐加冕,梁海军. 商业时代. 2011(01)
[8]基于模糊数学的房地产估价方法研究[J]. 李伟. 山西建筑. 2010(02)
[9]基于GIS和模糊理论的房地产估价比较法研究[J]. 黄海,李爽,杨清伟. 重庆交通大学学报(自然科学版). 2009(05)
[10]中国房地产价格的多元线性回归模型[J]. 秦迎霞,席金萍,吴润衡. 数学的实践与认识. 2009(06)
博士论文
[1]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
硕士论文
[1]基于随机森林理论的北京市二手房估价模型研究[D]. 陈奕佳.北京交通大学 2015
[2]基于BP神经网络的城市轨道交通沿线房地产价值评估方法研究[D]. 任世杰.北京交通大学 2015
[3]BP神经网络在房地产批量评估中的应用研究[D]. 李菊.昆明理工大学 2015
[4]对传统住宅房地产价格评估方法的改进研究[D]. 王积振.首都经济贸易大学 2015
[5]基于市场法的房地产评估指标体系研究分析[D]. 郑皓文.西南财经大学 2014
[6]基于成本法的房地产评估案例研究[D]. 余培.西南财经大学 2014
[7]基于支持向量机回归的房地产批量估价模型研究[D]. 郭志强.暨南大学 2013
[8]市场比较法的灰色模糊建模及其应用[D]. 任文娟.昆明理工大学 2013
[9]基于RS-ANN模型的住宅类房地产估价市场比较法的改进研究[D]. 张笑.东北林业大学 2013
[10]基于改进BP神经网络的住宅房价格分析研究[D]. 胡为尧.南京信息工程大学 2011
本文编号：3690394
本文链接：https://www.wllwen.com/jingjilunwen/fangdichanjingjilunwen/3690394.html
