[发明专利]一种基于深度学习算法的农用地基准地价评估方法

权利要求书

1.一种基于深度学习算法的农用地基准地价评估方法，其特征在于，其步骤如下：

步骤一：搜集市场交易资料构建地价影响因素特征体系，搜集地价相关的空间数据构建地价的样本特征数据集；

步骤二：利用z-score方法对样本的特征数据进行归一化处理，并将样本特征数据集按照设定比例随机拆分为训练样本和测试样本，给定所有样本地价标签；

步骤三：利用深度置信网络算法构建农用地基准地价评估模型，基于深层网络结构进行样本训练学习，利用测试样本对深层网络进行测试评估，保存拟合精度最高的深层网络的结构参数；

步骤四：对农用地评估单元每一个特征值进行量化，并输入到训练好的地基准地价评估模型中，计算得到每一个评估单元的地价；

步骤五：采用总分频率法以所有评估单元输出地价作为依据划定评估单元级别，并选用面积加权法，利用每一级别内的评估单元的地价及对应的面积权重进行基准地价计算。

2.根据权利要求1所述的基于深度学习算法的农用地基准地价评估方法，其特征在于，所述地价影响因素特征体系为利用特尔菲法确定的耕地价格评估因素体系，耕地价格评估因素体系包括种植收益、农用地出租、承包转包、土地开发、农用地抵押以及农用地征用；运用收益还原法将样本的地价修正到农用地基准地价内涵的价格水平，采用年期修正系数、农用地熟化程度、期日修正和区位条件修正进行系数修正。

3.根据权利要求1所述的基于深度学习算法的农用地基准地价评估方法，其特征在于，所述步骤一地价的样本特征数据集X表示为：

其中，为第l个样本的第d个特征值，表示第l个样本地块在某一个属性特征上的量化值，1≤l≤L，1≤d≤D，L为样本数据集的数量，D为每个样本数据的特征个数。

4.根据权利要求3所述的基于深度学习算法的农用地基准地价评估方法，其特征在于，所述步骤二中z-score方法进行特征值归一化的方法为：

其中，为归一化后的数据特征值，为第l个样本的第d个特征值，为样本特征数据集X第d个特征值的平均数，σ_d为样本特征数据集X第d个特征值的标准差。

5.根据权利要求3所述的基于深度学习算法的农用地基准地价评估方法，其特征在于，所述步骤二中所有样本地价标签的数据集为：Y＝[y₁ y₂ ... y_l ... y_L]^T；

其中，y_l表示第l个样本地块对应的实际市场价格，实际市场价格y_l与第l个样本数据x_l相对应。