基于BP神经网络的城市房屋拆迁估价方法研究

摘要

随着我国城市化进程的不断推进和旧城改造力度的加大，城市房屋拆迁数量急剧上升，由此引发的拆迁纠纷事宜与日俱增。其矛盾的根源往往围绕房屋拆迁补偿金额的确定而展开，被拆迁房屋的市场评估价格作为最终确定拆迁补偿金额的重要依据，其准确性与公正性直接影响拆迁当事人的利益及拆迁工作的顺利开展。因此，城市房屋拆迁估价不仅仅是一项技术工作，同时也是一项责任重大的社会工作。
　　 本文在对国内外城市房屋拆迁现状、影响被拆迁房屋市场价格的各种因素进行研究探讨的基础上，系统的论述和分析了我国目前城市房屋拆迁估价中应用较为广泛的市场法、成本法、收益法的特点、适用范围以及存在的局限性，并在前人的研究成果上，进一步将神经网络理论引入城市房屋拆迁估价领域，以拆迁量大、范围广、影响深的住宅类被拆迁房屋为研究对象，分别从区域因素、个别因素、交易情况及交易日期等方面选取了对其价格影响较大的12个重要指标，建立了面向住宅类的房屋价格评估指标体系，并制定了较为科学合理的量化标准，以此为依据，运用BP神经网络处理非线性关系的强大能力以及其自学习、自适应功能，构建了以住宅类房屋价格评估指标作为输入神经元，房屋预测的市场价格作为输出神经元的单隐层BP网络模型。
　　 最后，选取武汉市武昌区正在拆迁的武重宿舍为实证研究对象，通过市场调研与实地考察，在武昌区域二手房市场搜集与被拆迁房屋同类型的交易实例，构建样本库，按照住宅类房屋价格评估指标的量化标准对指标进行量化。选用MATLAB函数工具箱编程，并且采用Levenberg-Marquardt算法对BP神经网络进行了训练、仿真和泛化，取得了较为满意的结果，成功的实现了模型价格预测的功能，在一定程度上减少了估价作业的主观随意性，提高了作业效率，实现了程序化操作，具有简单、高效、客观的特点，为进一步改进和完善城市房屋拆迁估价作业方法提供思路。

目录

文摘

英文文摘

第1章 绪论

1.1 选题背景及意义

1.1.1 选题背景

1.1.2 研究意义

1.2 国内外城市房屋拆迁估价研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 本论文的研究思路及框架

第2章 城市房屋拆迁估价原理与方法

2.1 城市房屋拆迁估价基本理论

2.1.1 城市房屋拆迁估价的概述

2.1.2 城市被拆迁房屋市场价格的影响因素

2.2 城市房屋拆迁估价特点及原则

2.2.1 城市房屋拆迁估价特点

2.2.2 城市房屋拆迁估价原则

2.3 城市房屋拆迁估价方法

2.3.1 城市房屋拆迁估价方法概述

2.3.2 房屋拆迁估价常规性方法的局限性

第3章 人工神经网络理论基础

3.1 人工神经网络概述

3.1.1 神经元模型

3.1.2 神经网络特征及结构

3.1.3 神经网络的学习方法

3.2 BP神经网络模型

3.2.1 BP网络结构

3.2.2 标准BP算法

3.2.3 标准BP算法的改进

第4章 基于BP网络的住宅类房屋拆迁估价模型

4.1 基于BP神经网络的房屋拆迁估价概述

4.1.1 BP网络运用于房屋拆迁估价的可行性

4.1.2 基于BP网络的城市房屋拆迁估价特点

4.2 基于BP网络的房屋拆迁估价原理

4.2.1 基于BP网络的房屋拆迁估价总体思路

4.2.2 基于BP网络的被拆迁房屋估价流程

4.3 住宅类被拆迁房屋评估指标体系建立与量化

4.4 基于BP网络的住宅类房屋拆迁估价模型构建

4.4.1 BP网络结构设计

4.4.2 训练算法的选择

4.4.3 网络参数的选择

第5章 BP网络拆迁估价模型的实现及应用

5.1 MATLAB简介

5.1.1 MATLAB的产生与发展

5.1.2 MATLAB的优势与特点

5.2 MATLAB神经网络工具箱

5.3 BP网络拆迁估价模型的应用研究

5.3.1 实证研究对象的选择及背景

5.3.2 案例搜集与数据准备

5.3.3 BP网络模型的编程

5.3.4 网络模型的训练过程与结果

5.3.5 估价模型的检测与预测

第6章 结论与展望

致谢

参考文献

附录