基于主成分分析法的BP神經網絡基準地價評估研究.pdf

1、基準地價作為政府宏觀調控土地需求的主要手段之一，它的評定對于規(guī)范城鎮(zhèn)房地產市場，維護國家的正當收益，制定城鎮(zhèn)發(fā)展政策具有重大現(xiàn)實意義。隨著經濟的快速發(fā)展，城市化進程的推進，土地的交易日益頻繁，土地價格也在不斷的上升，要保證基準地價的適時性，就必須不斷地對基準地價進行更新評估。由于地價影響因素眾多，每個影響因素權重的確定以及基準地價評價模型的選擇具有很大的主觀性、經驗性與不確定性，傳統(tǒng)的地價評估方法往往費時費力、智能化以及功能化程度低。因

2、此，另辟蹊徑，研究新的評估模型對解決現(xiàn)階段基準地價更新工作中的問題具有一定借鑒與參考價值。
　　BP神經網絡作為人工神經網絡的核心部分，由于獨特的學習能力和信息并行分布處理的優(yōu)勢，非常適合解決主觀性強、智能化低、多影響因素不精確和信息模糊性的問題。這就決定了BP神經網絡應用于基準地價更新的可行性與合理性。
　　本文以河南省商丘市2013年基準地價為例，由于影響商丘市基準地價的因素眾多，若直接用神經網絡對基準地價進行預測，一方

3、面，會帶來網絡規(guī)模的劇增，運算時間的增加，網絡的收斂性和泛化能力的降低；另一方面，由于預測因素之間的相關性，導致輸入信息重疊，也使得模型的準確率降低。因此，首先，借助SPSS19.0軟件，進行主成分分析，對20個因素進行降維處理，得到6個綜合因素；其次，運用L-M改進BP神經網絡算法，通過Matlab2007軟件建立模型；最后，將主成分分析法和BP神經網絡有機地結合起來，構建了主成分分析的BP神經網組合預測模型。
　　為了驗證本文

4、提出的基于神經網絡和主成分分析的組合預測模型的有效性，建立以下兩個模型：
　　（1）對樣本不做任何處理，直接用L-M改進BP網絡訓練和測試。
　?。?）在BP網絡訓練前,運用主成分分析法提取地價的主要影響因素，并將結果作為BP網絡的輸入建立網絡模型。
　　通過兩個模型的訓練時間步數(shù)和預測精度的比較，結果表明：
　?。?）LM算法改進的BP神經網絡在學習中有明顯的優(yōu)勢，不僅訓練時間短、訓練次數(shù)少并且誤差精度也較高。

5、所以這個算法改進的BP神經網絡具有一定優(yōu)勢和意義的。
　?。?）主成分分析和 BP神經網絡的組合模型訓練結果的平均相對誤差為0.46％，而單獨BP神經網絡訓練結果的平均相對誤差為0.81%。因此，基于主成分分析和BP神經網絡的組合模型，結構相對簡單、輸入變量少，運行時間短，且訓練的效率明顯高于一般網絡，預測精度也有很大的提高。
　　（3）將建立的組合模型應用于商服基準地價評估，與實際地價結果基本一致，平均誤差僅為1.66%。