基于人工神经网络的模糊宗地地价评估模型研究

发布时间：2022-02-22 17:25

　　针对传统市场比较法中可比实例选取较随意且特征权重确定较主观等问题,引入了基于人工神经网络的地价影响特征权重学习机制.以地价影响特征向量作为输入空间,土地价格作为输出空间,通过神经网络的反馈学习机制不断调整神经元之间的连接权重,建立地价与多维特征之间的精准复杂映射关系,并基于网络参数提取输入特征权重系数,然后耦合模糊数学方法选择比较案例,通过比较案例的加权价格最终计算得到评估对象价格.以湖北省武汉市某宗地评估为实例,结果表明:改进后的市场比较法的估价准确度要比现行土地估价市场比较法平均高出3.69%. 

【文章来源】：信阳师范学院学报(自然科学版). 2020,33(01)北大核心

【文章页数】：7 页

【部分图文】：

改进市场比较法地价评估模型的构建

将上述量化并进行归一化处理的特征值作为BP神经网络的输入因子，修正后地价作为网络输出．本文选择只包含一个隐含层的经典三层神经网络结构，即输入层、隐含层和输出层的节点数为17、8、1，学习率prate=0.8，均方误差阈值pE=0.001，最大迭代次数Tstudy=5000．将样本点集合中的1238个地价样本点全部进行标注，随机抽取其中1000个样本作为权重学习模型的训练样本，通过模型训练得到BP神经网络权值系数（见表2），对样本地价的拟合精度达到97.16%.在表2的基础之上，根据公式（4）、（5）、（6）计算得出各特征因素对土地价格的影响权重，结果见表3.

【参考文献】：
期刊论文
[1]基于深度置信网络的农用地基准地价评估模型[J]. 王华,罗平,赵志刚,聂可.  农业工程学报. 2018(21)
[2]基于GRA和三标度AHP的房地产估价市场比较法[J]. 纪蕾,宋岩磊,李宝强,邵军义.  土木工程与管理学报. 2017(01)
[3]市场比较法的不确定性传播研究[J]. 蔡剑红,朱道林.  中国土地科学. 2015(04)
[4]BP神经网络法确定工程材料评价指标的权重[J]. 张天云,陈奎,魏伟,杨扬.  材料导报. 2012(02)
[5]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)
[6]基于GIS和ANN的城市土地适宜性评价[J]. 王艳,宋振柏,吴佩林.  信阳师范学院学报(自然科学版). 2008(01)
[7]城镇基准地价评估的人工神经网络模型研究[J]. 吴迪军,刘耀林,黄全义.  测绘科学技术学报. 2007(04)
[8]基于模糊数学的房地产估价市场比较法研究[J]. 张炯,张敏莉,贾仁甫,朱平.  扬州大学学报(自然科学版). 2005(03)
[9]市场比较法估价中可比案例选择研究[J]. 王秀丽,骆汉宾.  华中科技大学学报(城市科学版). 2003(04)
[10]基于模糊数学的市场比较法研究[J]. 张协奎,陈伟清,成文山,李树丞.  中国管理科学. 2001(03)



本文编号：3639909