基于人工神经网络的房地产估价研究
摘要
随着我国房地产市场体系逐步确立并走向完善，作为中介服务行业的房地产估价工作在房地产市场中扮演着越来越重要的角色，并且服务范围越来越广；房地产估价有助于推动房地产价格正常化，保障房地产公平交易，建立健康的房地产市场体系和公正合理的交易秩序。目前我国房地产估价理论仍处在探索阶段，房地产估价需要多元化拓展，因而积极探索更为科学的估价方法具有重要的理论意义和现实意义。
本文在对国内外房地产估价研究现状、房地产价格特征以及房地产价格的影响因素分析研究的基础上，系统地论述了目前房地产价格评估中应用较为广泛的三种方法——市场比较法、收益法、成本法的内容体系，对各类估价方法的理论依据、适用条件和范围等进行了较为系统的比较分析。根据房地产估价的特点与对现有技术方法的分析，在前人研究的基础上充分论证了人工神经网络理论在房地产估价应用的理论和方法，利用神经网络超强的学习能力和处理非线性关系的能力，从大量的训练样本(房地产交易案例)中发现客观规律(即房地产价格与其影响因素之间的客观规律)，建立了房地产估价的神经网络模型。
在神经网络估价模型的实现中，以MATLAB为工具建立了以房地产价格的影响因素作为输入神经元，房地产价格作为输出神经元的三层BP神经网络模型，并且采用Levenberg-Marquardt算法对BP神经网络进行了优化。经过从市场调研得到的一组房地产成交案例对房地产估价的神经网络模型进行了训练和验证，取得了令人满意的结果。
理论与实践研究表明，采用Levenberg-Marquardt优化方法的BP神经网络估价模型可以快速准确的得到满意的结果，是一套较为科学实用和有效的房地产估价方法，是对房地产估价方法的重要拓展。
With the establishment and gradual perfection of the system of the real estate market in China, exercise of appraisal, as the agent in the real estate industry, plays an increasingly important role and serves in the increasingly broader scope in the real estate market. Real estate appraisal goes a long way to promote the normalization of the real estate price, to ensure the fair transaction in the real estate market, and to set up sound market system and reasonable order of transaction. Currently, the theories of real estate appraisal are still at the probing stage in our country; moreover, real estate appraisal calls for multi-dimensional development, therefore, the probe into the more scientific approaches is of both theoretical and practical significance.
The thesis, on the basis of analyses and studies on the real estate appraisal in terms of its status quo at home and abroad, and the price property, and the factors influencing the real estate prices, systematically explicates three appraisal approaches widely-used at present — market comparison approach, income approach and cost approach, analyzing respectively the theoretical grounds, the application scope and the evaluation procedures of each approach. On the basis of the review and tests of plenty of relevant literature, the thesis introduces the theories of ANN into the field of real estate appraisal, and by employing its super-powerful abilities of learning and handling non-linear relationship, finds out the objective law (i.e. the law between the real estate price and its influencing factors) through the analyses of plenty of training samples — real estate de facto transactions, and establishes a model of ANN real estate appraisal.
In the realization of the model of ANN real estate appraisal, this thesis, using MATLAB as a tool, sets up a three-layer neural network model with the factors influencing the real estate price as the input artificial neuron and the real estate prices as the output artificial neuron, in which the BP neural network is optimized by using Levenberg-Marquardt method. Satisfactory results are achieved in the training and confirmation of ANN model of real estate appraisal with a group of real estate transactions in the current market.
Both the theories and practice indicate that the adoption of BP neural network and Levenberg-Marquardt optimization method can help achieve promptly the accurate and satisfactory results in the real estate appraisal. It is a set of scientific and efficient approach to real estate appraisal and indicates a significant development in theory in this field.
本文在对国内外房地产估价研究现状、房地产价格特征以及房地产价格的影响因素分析研究的基础上，系统地论述了目前房地产价格评估中应用较为广泛的三种方法——市场比较法、收益法、成本法的内容体系，对各类估价方法的理论依据、适用条件和范围等进行了较为系统的比较分析。根据房地产估价的特点与对现有技术方法的分析，在前人研究的基础上充分论证了人工神经网络理论在房地产估价应用的理论和方法，利用神经网络超强的学习能力和处理非线性关系的能力，从大量的训练样本(房地产交易案例)中发现客观规律(即房地产价格与其影响因素之间的客观规律)，建立了房地产估价的神经网络模型。
在神经网络估价模型的实现中，以MATLAB为工具建立了以房地产价格的影响因素作为输入神经元，房地产价格作为输出神经元的三层BP神经网络模型，并且采用Levenberg-Marquardt算法对BP神经网络进行了优化。经过从市场调研得到的一组房地产成交案例对房地产估价的神经网络模型进行了训练和验证，取得了令人满意的结果。
理论与实践研究表明，采用Levenberg-Marquardt优化方法的BP神经网络估价模型可以快速准确的得到满意的结果，是一套较为科学实用和有效的房地产估价方法，是对房地产估价方法的重要拓展。
With the establishment and gradual perfection of the system of the real estate market in China, exercise of appraisal, as the agent in the real estate industry, plays an increasingly important role and serves in the increasingly broader scope in the real estate market. Real estate appraisal goes a long way to promote the normalization of the real estate price, to ensure the fair transaction in the real estate market, and to set up sound market system and reasonable order of transaction. Currently, the theories of real estate appraisal are still at the probing stage in our country; moreover, real estate appraisal calls for multi-dimensional development, therefore, the probe into the more scientific approaches is of both theoretical and practical significance.
The thesis, on the basis of analyses and studies on the real estate appraisal in terms of its status quo at home and abroad, and the price property, and the factors influencing the real estate prices, systematically explicates three appraisal approaches widely-used at present — market comparison approach, income approach and cost approach, analyzing respectively the theoretical grounds, the application scope and the evaluation procedures of each approach. On the basis of the review and tests of plenty of relevant literature, the thesis introduces the theories of ANN into the field of real estate appraisal, and by employing its super-powerful abilities of learning and handling non-linear relationship, finds out the objective law (i.e. the law between the real estate price and its influencing factors) through the analyses of plenty of training samples — real estate de facto transactions, and establishes a model of ANN real estate appraisal.
In the realization of the model of ANN real estate appraisal, this thesis, using MATLAB as a tool, sets up a three-layer neural network model with the factors influencing the real estate price as the input artificial neuron and the real estate prices as the output artificial neuron, in which the BP neural network is optimized by using Levenberg-Marquardt method. Satisfactory results are achieved in the training and confirmation of ANN model of real estate appraisal with a group of real estate transactions in the current market.
Both the theories and practice indicate that the adoption of BP neural network and Levenberg-Marquardt optimization method can help achieve promptly the accurate and satisfactory results in the real estate appraisal. It is a set of scientific and efficient approach to real estate appraisal and indicates a significant development in theory in this field.
引文
[1] 张协奎，陈伟清．中外房地产估价发展综述[J]．河南域建高等专科学校学报，2000，6月，第9卷第2期．
[2] 张协奎，李树丞，等．中外房地产估价发展述评[J]．房地产评估，1999，NO．12．
[3] 张贯益，等．房地产价格评估[M]．武汉：华中师范大学出版社，2000．3
[4] 张协奎．房地产估价方法[M]．北京：中国城市出版社，1994．
[5] 王家庭．房地产估价[M]．大连：东北财经大学出版社，2001．1．
[6] 周寅康．房地产估价：理论·方法·实务[M]．南京：东南大学出版社，2001．9．
[7] 柴强．房地产估价理论与方法[M]．北京：中国建筑工业出版社，2005．
[8] 叶剑平．房地产估价[M]．北京：中国人民大学出版社，2002．
[9] 王洪卫．房地产经济学[M]．上海：上海财经大学出版社，1997．
[10] 廖俊平．房地产估价规范研究[M]．广州：广东经济出版社，2000．
[11] 中国房地产估价师学会．房地产估价案例与分析[M]．北京：中国建筑工业出版社，2005．
[12] 张瑞丰，等．精通MATLAB 6.5[M]．北京：中国水利水电出版社，2004．
[13] 王洪元，史国栋．人工神经网络技术及其应用[M]．北京：中国石化出版社，2002．
[14] 宋兆基，徐流美，等．MATLAB 6.5在科学计算中的应用[M]．北京：清华大学出版社，2005．
[15] 魏海坤．神经网络结构设计的理论与方法[M]．北京：国防工业出版社，2005．1．
[16] 周开利，康耀红．神经网络模型及其MATLAB仿真程序设计[M]．北京：清华大学出版社，2005．
[17] 飞思科技产品研发中心．MATLAB 6.5辅助神经网络分析与设计[M]．北京：电子工业出版社，2003．
[18] 韩力群．人工神经网络理论、设计及应用[M]．北京：化学工业出版社，2002．
[19] 闻新，周露，等．MATLAB神经网络应用设计[M]．北京：科学出版社，2000．
[20] 楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络[M]．西安：西安电子科技大学出版社，1999．
[21] 杨建刚．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001．
[22] 阎平凡，张长水．人工神经网络与模拟进化计算[M]．北京：清华大学出版社，2005．
[23] 袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999．
[24] 苏金明，刘宏，等．MATLAB高级编程[M]．北京：电子工业出版社，2005．
[25] 褚蕾蕾，等．计算机智能的数学基础[M]．北京：科学出版社，2002．
[26] 杨健，黎勇，等．城镇宗地地价影响因素指标在地价评估中的应用研究[J]．西南农业学报，2004年17卷1期．
[27] 刘立民．房地产价格的形成与决定[J]．城乡建设，2002年第5期．
[28] 吴红华．房地产价格影响因素分析[J]．温州大学学报，2001年7月第3期．
[29] 聂名华．浅析房地产价格变动的影响因素[J]．中国房地产，1998年第10期．
[30] 张协奎，陈伟清，等．三大房地产估价方法的关联性[J]．技术经济，2000年第9期．
[31] 禾丰．房地产估价三种基本方法之比较[J]．价格月刊，1997，N0．4．
[32] 施建刚，白庆华，等．三种房地产估价方法相互关系的研究[J]．中国房地产，2000，N0．10．
[33] 刘长文，刘建党．房地产成交价格与房地产估价的关系[J]．中国房地产估价师，1998年第6期．
[34] 申玲，唐安淮．基于BP神经网络的房地产市场比较法价格评估[J]．系统工程理论与实践，1998年05期．
[35] 杨黎萌，刘开第．BP神经网络在房地产估价中的应用[J]．河北建筑科技学院学报，2004，(2)．
[36] 吴劲军．房地产估价研究：BP神经网络区间估算法[J]．统计教育，2004，(5)．
[37] 张协奎，李树丞，等．基于人工神经网络的建筑物成新度评估[J]．中国营理科学，2000年6月，第8卷第2期
[38] 顾军华，宋丽娟，等．基于改进BP神经网络的税收收入预测模型[J]．河北工业大学学报，2003年2月，第32卷第1期．
[39] 杨炘，马洪波．人工神经网络在中长期汇率预测中的应用[J]．系统工程，1999年1月，第17卷第1期．
[40] 徐志钮，律方成，等．基于RPROP算法的变压器油中溶解气体分析故障诊断[J]．电力科学与工程，2005，N0．2．
[41] 刘二东，杨更亮，等．弹性反传神经网络法预测烷基苯的疏水性常数[J]．色谱．2002年5月，第20卷第3期．
[41] 尹念东．BP神经网络的应用设计[J]．信息技术，2003年6月，第27卷第6期．
[42] 姚文俊．BP算法的改进在Matlab的实现研究[J]．现代电子技术，2003年第21期．
[43] 苏高利，邓芳萍．论基于MATLAB语言的BP神经网络的改进算法[J]．科技通报，2003年3月，第19卷第2期．
[44] 柳松青．MATLAB神经网络BP网络研究与应用[J]．计算机工程与设计，2003年11月，第24卷第11期．
[45] 蒋良孝，李超群．基于BP神经网络的函数逼近方法及其MATLAB实现[J]．微型机与应用，2004年，第1期．
[46] 罗成汉．基于MATLAB神经网络工具箱的BP网络实现[J]．计算机仿真，2004年5月，第21卷第5期．
[47] 武美先，张学良，等．BP神经网络及其改进[J]．太原科技大学学报，2005年6月，第26卷第2期．
[48] 陈杨，王茹，等．Matlab6.0版本中神经网络工具箱训练算法的使用与比较[J]．电脑与信息技术，2002年第3期．
[49] 单潮龙，马伟明，等．BP人工神经网络的应用及其实现技术[J]．海军工程大学学报，2000年第4期．
[50] 戴文战．基于三层BP网络的多指标综合评估方法及应用[J]．系统工程理论与实践．1999年第5期．
[51] 汤红玲．房地产估价定量分析模型[D]．大连：大连海事大学，2005．
[52] 次凤敏．完善房地产估价方法的研究[D]．成都：西南交通大学，2002．
[53] 高继红．基于影响图理论的房地产估价方法研究[D]．大连：大连海事大学．2005．
[54] 王玉．收益性房地产估价的方法研究[D]．武汉：武汉理工大学，2002．
[55] 闾力强．房地产估价的区域因素对房价的影响研究[D]．成都：西南交通大学，2004．
[56] 黄大兵．基于模糊数学的房地产评估体系的模拟与实现[D]．西安：长安大学2005．
[57] 中华人民共和国建设部．中华人民共和国国家标准·房地产估价规范(GB／T50291-1999)[S]．北京：中国建筑工业出版社，1999．
[58] 估价师资讯网．http://www.zgpg.net/
[59] 中国房地产估价师．http://www.cirea.org.cn/
[60] 西安房地产信息网．http://www.800j.com.cn/800j/800j/
[61] Appraisal Institute, The Appraisal of Real Estate[M], Eleventh Edition, Printed in the U.S.A, 1996.
[52] Howard B. Demuth, Mark H. Beale. Neural network toolbox user's guide[M]. The MathWorks. Inc. 2000.
[63] Jack Rudman. Real Property Appraisal Technician[M]. National Learning Corporation, January, 1994.
[64] Dennis S. Tosh, William B. Rayburn. Fundamentals of Real Estate Appraisal[M]. Dearborn Financial Publishing Inc. March 2001.
[65] Patrick K. Simpson. Artificial neural systems-foundation applications, and implement[J]. Pergamon Press inc. 1990.
[66] Martin T. Hagan, Howard B. Demuth, Mark H. Beale. Neural Network Design[M].PWS Publishing Company, 1996.
[2] 张协奎，李树丞，等．中外房地产估价发展述评[J]．房地产评估，1999，NO．12．
[3] 张贯益，等．房地产价格评估[M]．武汉：华中师范大学出版社，2000．3
[4] 张协奎．房地产估价方法[M]．北京：中国城市出版社，1994．
[5] 王家庭．房地产估价[M]．大连：东北财经大学出版社，2001．1．
[6] 周寅康．房地产估价：理论·方法·实务[M]．南京：东南大学出版社，2001．9．
[7] 柴强．房地产估价理论与方法[M]．北京：中国建筑工业出版社，2005．
[8] 叶剑平．房地产估价[M]．北京：中国人民大学出版社，2002．
[9] 王洪卫．房地产经济学[M]．上海：上海财经大学出版社，1997．
[10] 廖俊平．房地产估价规范研究[M]．广州：广东经济出版社，2000．
[11] 中国房地产估价师学会．房地产估价案例与分析[M]．北京：中国建筑工业出版社，2005．
[12] 张瑞丰，等．精通MATLAB 6.5[M]．北京：中国水利水电出版社，2004．
[13] 王洪元，史国栋．人工神经网络技术及其应用[M]．北京：中国石化出版社，2002．
[14] 宋兆基，徐流美，等．MATLAB 6.5在科学计算中的应用[M]．北京：清华大学出版社，2005．
[15] 魏海坤．神经网络结构设计的理论与方法[M]．北京：国防工业出版社，2005．1．
[16] 周开利，康耀红．神经网络模型及其MATLAB仿真程序设计[M]．北京：清华大学出版社，2005．
[17] 飞思科技产品研发中心．MATLAB 6.5辅助神经网络分析与设计[M]．北京：电子工业出版社，2003．
[18] 韩力群．人工神经网络理论、设计及应用[M]．北京：化学工业出版社，2002．
[19] 闻新，周露，等．MATLAB神经网络应用设计[M]．北京：科学出版社，2000．
[20] 楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络[M]．西安：西安电子科技大学出版社，1999．
[21] 杨建刚．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001．
[22] 阎平凡，张长水．人工神经网络与模拟进化计算[M]．北京：清华大学出版社，2005．
[23] 袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999．
[24] 苏金明，刘宏，等．MATLAB高级编程[M]．北京：电子工业出版社，2005．
[25] 褚蕾蕾，等．计算机智能的数学基础[M]．北京：科学出版社，2002．
[26] 杨健，黎勇，等．城镇宗地地价影响因素指标在地价评估中的应用研究[J]．西南农业学报，2004年17卷1期．
[27] 刘立民．房地产价格的形成与决定[J]．城乡建设，2002年第5期．
[28] 吴红华．房地产价格影响因素分析[J]．温州大学学报，2001年7月第3期．
[29] 聂名华．浅析房地产价格变动的影响因素[J]．中国房地产，1998年第10期．
[30] 张协奎，陈伟清，等．三大房地产估价方法的关联性[J]．技术经济，2000年第9期．
[31] 禾丰．房地产估价三种基本方法之比较[J]．价格月刊，1997，N0．4．
[32] 施建刚，白庆华，等．三种房地产估价方法相互关系的研究[J]．中国房地产，2000，N0．10．
[33] 刘长文，刘建党．房地产成交价格与房地产估价的关系[J]．中国房地产估价师，1998年第6期．
[34] 申玲，唐安淮．基于BP神经网络的房地产市场比较法价格评估[J]．系统工程理论与实践，1998年05期．
[35] 杨黎萌，刘开第．BP神经网络在房地产估价中的应用[J]．河北建筑科技学院学报，2004，(2)．
[36] 吴劲军．房地产估价研究：BP神经网络区间估算法[J]．统计教育，2004，(5)．
[37] 张协奎，李树丞，等．基于人工神经网络的建筑物成新度评估[J]．中国营理科学，2000年6月，第8卷第2期
[38] 顾军华，宋丽娟，等．基于改进BP神经网络的税收收入预测模型[J]．河北工业大学学报，2003年2月，第32卷第1期．
[39] 杨炘，马洪波．人工神经网络在中长期汇率预测中的应用[J]．系统工程，1999年1月，第17卷第1期．
[40] 徐志钮，律方成，等．基于RPROP算法的变压器油中溶解气体分析故障诊断[J]．电力科学与工程，2005，N0．2．
[41] 刘二东，杨更亮，等．弹性反传神经网络法预测烷基苯的疏水性常数[J]．色谱．2002年5月，第20卷第3期．
[41] 尹念东．BP神经网络的应用设计[J]．信息技术，2003年6月，第27卷第6期．
[42] 姚文俊．BP算法的改进在Matlab的实现研究[J]．现代电子技术，2003年第21期．
[43] 苏高利，邓芳萍．论基于MATLAB语言的BP神经网络的改进算法[J]．科技通报，2003年3月，第19卷第2期．
[44] 柳松青．MATLAB神经网络BP网络研究与应用[J]．计算机工程与设计，2003年11月，第24卷第11期．
[45] 蒋良孝，李超群．基于BP神经网络的函数逼近方法及其MATLAB实现[J]．微型机与应用，2004年，第1期．
[46] 罗成汉．基于MATLAB神经网络工具箱的BP网络实现[J]．计算机仿真，2004年5月，第21卷第5期．
[47] 武美先，张学良，等．BP神经网络及其改进[J]．太原科技大学学报，2005年6月，第26卷第2期．
[48] 陈杨，王茹，等．Matlab6.0版本中神经网络工具箱训练算法的使用与比较[J]．电脑与信息技术，2002年第3期．
[49] 单潮龙，马伟明，等．BP人工神经网络的应用及其实现技术[J]．海军工程大学学报，2000年第4期．
[50] 戴文战．基于三层BP网络的多指标综合评估方法及应用[J]．系统工程理论与实践．1999年第5期．
[51] 汤红玲．房地产估价定量分析模型[D]．大连：大连海事大学，2005．
[52] 次凤敏．完善房地产估价方法的研究[D]．成都：西南交通大学，2002．
[53] 高继红．基于影响图理论的房地产估价方法研究[D]．大连：大连海事大学．2005．
[54] 王玉．收益性房地产估价的方法研究[D]．武汉：武汉理工大学，2002．
[55] 闾力强．房地产估价的区域因素对房价的影响研究[D]．成都：西南交通大学，2004．
[56] 黄大兵．基于模糊数学的房地产评估体系的模拟与实现[D]．西安：长安大学2005．
[57] 中华人民共和国建设部．中华人民共和国国家标准·房地产估价规范(GB／T50291-1999)[S]．北京：中国建筑工业出版社，1999．
[58] 估价师资讯网．http://www.zgpg.net/
[59] 中国房地产估价师．http://www.cirea.org.cn/
[60] 西安房地产信息网．http://www.800j.com.cn/800j/800j/
[61] Appraisal Institute, The Appraisal of Real Estate[M], Eleventh Edition, Printed in the U.S.A, 1996.
[52] Howard B. Demuth, Mark H. Beale. Neural network toolbox user's guide[M]. The MathWorks. Inc. 2000.
[63] Jack Rudman. Real Property Appraisal Technician[M]. National Learning Corporation, January, 1994.
[64] Dennis S. Tosh, William B. Rayburn. Fundamentals of Real Estate Appraisal[M]. Dearborn Financial Publishing Inc. March 2001.
[65] Patrick K. Simpson. Artificial neural systems-foundation applications, and implement[J]. Pergamon Press inc. 1990.
[66] Martin T. Hagan, Howard B. Demuth, Mark H. Beale. Neural Network Design[M].PWS Publishing Company, 1996.