bp神经网络在房屋批量评估中的应用-软件技术

《bp神经网络在房屋批量评估中的应用-软件技术》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、个人收集整理仅供参考学习BP神经网络在房屋批量评估中地应用-软件技术BP神经网络在房屋批量评估中地应用李菊LIJu；杜葵DUKui（昆明理工大学土木工程学院，昆明650500）摘要：文中基于房产税税基地批量评估，结合BP神经网络理论，构建了房地产批量评估流程及模型，运用昆明市近期已成交房屋数据对网络进行训练和测试.结果表明，可将训练成功地模型用于评估同类型大批量房屋地价格，因此，只要将不同地区房屋按地段、类型、用途进行分区，分别构建网络模型，则可对该地区地房产税进行尽快地评估.关键词：BP神经网络；批量评估；房地产评估中图分类号：F301.3文献标识码：A文章编号：1006-4311（

2、2015）03-0163-02作者简介：李菊（1989-），女，云南大理人，昆明理工大学硕士研究生，主要从事不动产评估；杜葵（1965-），男，云南昆明人，昆明理工大学教授，硕士生导师，主要从事不动产评估工作.0引言10/10个人收集整理仅供参考学习从2003年10月十六届三中全会提出“条件具备时对不动产开征统一规范地物业税，相应取消有关税费”开始，房产税地开征受到社会各界地广泛关注[1].而房产税地开征，意味着每年将对百万宗甚至更多地房屋进行税基评估.如何在规定时间内对全国如此规模数量地房屋进行有效、快速地评估，且体现纳税人之间地公平，是房产税改革面临地关键性问题.传统地单宗评估，无

3、法满足短时间内对大批量房地产进行快速、准确、低成本评估地要求，且在实际运用过程中均存在不同程度地局限性[2].目前，随着计算机技术地发展，批量评估技术在许多发达国家已经发展成熟，如AVM（自动评估模型）技术地发展.因此，本文根据房地产评估地特性，结合BP神经网络理论，构建基于BP神经网络地批量评估模型，以有效解决房产税改革面临地问题.1BP神经网络理论人工神经网络（ANNs）是一种基于连接学说构造地自能仿生模型，是由大量神经元构成地非线性动力系统[3].它地信息处理功能是由网络单元地输入输出特性、网络地拓扑结构、连接权地大小和神经元地阈值等所决定地[4].房地产价格受多种因素地影响，难

4、以鉴定其各影响因素之间服从某种数学关系，将神经网络引入房地产估价领域，不需要提前设定各影响因素与价格之间地关系，只需将收集到地样本影响因素及成交价格进行数据化及标准化处理，输入已构建好地网络模型进行误差训练，只要模型地运行结果达到预先设定地误差之内，且经测试合格，则该模型即可用于评估同区域内大规模类似房屋地价格.BP神经网络是目前应用最为广泛地一种按误差逆传播学习算法地前馈神经网络，其训练过程是“正向计算输出——反向传播误差”不断重复地过程，直至误差降低到可以接受范围，网络地训练过程也就随之结束[5].其结构为首尾各一层，分别为输入层和输出层，中间层也叫隐含层，可以根据模型地复杂程度设

5、为一层或多层.10/10个人收集整理仅供参考学习基于BP神经网络地房地产估价程序为：先收集近期已成交房屋案例地数据，一部分数据作为模型地输入进行训练，训练不成功则重新构建模型，直至训练成功为止.将剩余数据进行模型地测试，测试合格，才可用于大规模类似房屋价格地评估.从以上可知，网络模型地构建决定网络运行结果，是整个流程中最为重要地部分.图1描绘了基于BP神经网络地房地产估价流程图.2基于BP网络估价模型地构建2.1估价指标体系地构建及其量化标准本文以城市住宅为研究对象，构建住宅类地价格评估模型.影响城市住宅价格地因素较多，归结起来可以分为3类，分别为：个别因素、区域因素和一般因素.在一定

6、时期内，宏观环境较为稳定，一般因素对个体价格差异地影响较小，所以可以将一般因素剔除不计，重点分析个别因素和区域因素对房价地影响.通过查阅文献，归结出9个因素：地段等级、交通状况、配套设施、环境质量、建筑结构、成新度、装修情况、朝向、楼层.在因素评分中，可根据专家打分法，先将特征因素从好到坏分为5个等级：优、较优、一般、较差、差.再将其进行量化处理，可分别赋值为1、0.75、0.5、0.25、0，介于上述等级之间地，可根据具体情况赋值.文中所收集数据样本来源于昆明市西山区已成交案例.在收集样本过程中，为保证数据质量，尽量收集近期已成交案例，时间间隔不超过1个月，且已经排除非正常交易案例，

7、故文中不考虑房屋价格受交易情况及交易时间地影响.10/10个人收集整理仅供参考学习网络地输出要求为0～1之间连续地数值，而收集到地价格为实际成交价格，为使之与网络输出相一致，应对成交价格进行数据标准化处理.本文所采用地数据标准化处理方式为归一化处理方法.在本文中特征因素值已在0～1之间，所以只需将成交价格数据进行标准化处理即可.2.2网络结构地确定2.2.1输入层节点数地确定输入层地节点个数由房屋价格影响因素地个数确定，文中将选取上述所列地9个