BP神经网络在房地产批量评估中的应用研究

发布时间：2017-06-30 21:16

  本文关键词：BP神经网络在房地产批量评估中的应用研究，由笔耕文化传播整理发布。

【摘要】：随着房地产市场的发展,出现了房屋拆迁价格评估、房地产资产核定以及房产课税等批量评估问题。由于传统的单宗评估方法存在评估效率低、成本高、易受主观因素影响等缺点,进而导致一定程度上税收流失、社会不公等现象的产生。本文在分析国外批量评估技术的基础上,重点研究计算机批量评估系统中的核心部分——批量评估模型,为国内房地产批量评估系统的建立提供理论支持。由于各国的房地产市场相差较大,我国批量评估模型的建设不能照搬国外的理论,应结合国内房地产市场实际情况,对国外成熟的批量评估技术进行本地化改进。我国房地产市场发展尚不成熟,影响因素较为复杂,不能确定特征变量与价格之间的关系,故本文提出BP神经网络模型,利用其自适应处理问题和非线性映射能力,找出房地产价格与其各变量之间的关系,用以对类似大批量的房地产进行批量评估。本文首先介绍了批量评估的概念与方法原理,得出BP神经网络实质为批量化的市场比较法。运用市场比较法有两个非常重要的关键点,一是影响因素的选取及量化；二是可比案例的选择。本文针对以上两点,对房地产价格影响因素进行了详细分析和定量化处理；并提出在评估区域的划分问题上应用聚类分析技术,解决了较难选择可比案例的问题。其次,介绍人工神经网络的基本思想及运行过程,对神经网络中的BP神经网络结构及算法进行论述,针对传统算法的不足之处,采用改进化的LM算法。通过论述BP神经网络理论在房地产估价中应用的可行性,建立了基于BP神经网络的房地产批量评估模型。最后,以划分后的某评估区域为研究对象,利用matlab软件中的神经网络工具箱建立以房地产价格的影响因素作为输入,房地产价格作为输出的BP网络模型,通过反复训练的方式确定了隐含层的神经元个数,结果显示,文中构建的BP神经网络模型在经过13次迭代后,达到预定的误差精度要求,网络训练成功。且网络收敛速度快、拟合效果较好,测试样本的预测误差百分比也大为优越。因此,该BP神经网络模型可用来评估该区域内大批量的房地产。
【关键词】：BP神经网络 房地产价格 批量评估
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;F299.233.32
【目录】：

• 摘要6-7
• Abstract7-12
• 第一章 绪论12-24
• 1.1 研究背景和意义12-14
• 1.1.1 研究背景12-14
• 1.1.2 研究意义14
• 1.2 国内外研究现状14-19
• 1.2.1 国外房地产批量评估的产生与发展14-16
• 1.2.2 国内研究现状16-19
• 1.3 研究的主要内容19-20
• 1.4 研究技术路线与方法20-24
• 1.4.1 技术路线20-21
• 1.4.2 研究方法21-24
• 第二章 房地产批量评估概述24-36
• 2.1 房地产批量评估的概念24-25
• 2.1.1 批量评估与单宗评估方法的区别24-25
• 2.2 房地产批量评估的理论基础25-28
• 2.2.1 房地产估价理论与方法25-27
• 2.2.2 房地产批量评估方法的选择27-28
• 2.3 房地产价格影响因素研究28-35
• 2.3.1 房地产价格影响因素分析29-32
• 2.3.2 房地产批量评估模型影响因素的选取32-33
• 2.3.3 房地产价格影响因素指标的量化33-35
• 2.4 本章小结35-36
• 第三章 房地产评估区域的划分36-48
• 3.1 评估区域划分的概念36
• 3.2 聚类分析理论概述36-42
• 3.2.1 聚类相关知识37
• 3.2.2 聚类分析常用的相似性度量37-40
• 3.2.3 聚类方法的选择及步骤40-42
• 3.3 房地产评估区域的划分42-47
• 3.3.1 房地产评估区域划分的基本原则42
• 3.3.2 昆明市评估区域的划分42-43
• 3.3.3 数据采集43
• 3.3.4 数据分析结果43-47
• 3.5 本章小结47-48
• 第四章 人工神经网络48-66
• 4.1 人工神经网络概述48-53
• 4.1.1 人工神经元模型49-51
• 4.1.2 人工神经网络的运行过程51-53
• 4.2 BP神经网络模型53-60
• 4.2.1 BP神经网络结构54-55
• 4.2.2 BP网络的标准学习算法55-58
• 4.2.3 BP网络算法的局限性及改进58-60
• 4.3 房地产批量评估的BP神经网络模型60-64
• 4.3.1 BP网络在房地产批量评估中应用的可行性60-61
• 4.3.2 房地产批量评估流程设计61-62
• 4.3.3 房地产批量评估的网络结构设计62-64
• 4.4 基于MATLAB的房地产估价神经网络模型实现64-65
• 4.5 本章小结65-66
• 第五章 房地产批量评估的BP神经网络模型案例66-78
• 5.1 数据来源及处理66-69
• 5.2 BP网络训练过程及结果69-75
• 5.2.1 传统BP算法的网络训练过程及结果70-71
• 5.2.2 改进LM算法的网络训练过程及结果71-75
• 5.3 网络测试检验75-77
• 5.4 结果分析77
• 5.5 本章小结77-78
• 第六章 结论与展望78-80
• 6.1 结论78-79
• 6.2 创新与不足79
• 6.3 研究展望79-80
• 致谢80-82
• 参考文献82-86
• 附录A 攻读硕士期间发表论文目录86-88
• 附录B 西山区船房片区多层框架结构住宅样本数据88-92
• 附录C 交易案例样本数据92-96
• 附录D 交易案例数据量化表96-99

【参考文献】

中国期刊全文数据库 前1条

1 郭文华;为合理计算不动产税立陶宛引入计算机化批量评估系统[J];国土资源情报;2005年06期

中国硕士学位论文全文数据库 前1条

1 郭振华;我国房地产批量评估技术研究[D];首都经济贸易大学;2013年

  本文关键词：BP神经网络在房地产批量评估中的应用研究，，由笔耕文化传播整理发布。

本文编号：503534