[发明专利]一种基于人工神经网络的模糊宗地地价评估方法

权利要求书

1.一种基于人工神经网络的模糊宗地地价评估方法，其特征在于，其步骤如下：

步骤一：根据待估宗地性质从一般因素、区域因素、个别因素中挑选相关性高、易量化的因子作为特征因素构建土地评估特征体系；

步骤二：搜集市场交易资料根据土地评估特征体系构建地价样本数据集，利用z-score方法对样本特征数据进行归一化处理，并将原始样本集合按照设定比例随机拆分为训练样本集和测试样本集，给定所有样本地价标签；

步骤三：利用BP人工神经网络模型对训练样本集和测试样本集进行训练，提取地价样本数据集中每一特征因素的权重参数；

步骤四：选用类比法和阈值法建立隶属函数，构建交易案例和待估宗地的特征因素隶属度矩阵；贴近度和特征因素的权重参数计算交易案例与待估宗地之间的贴近程度，根据贴近度大小直接筛选可供比较的交易案例作为比较案例；

步骤五：利用贴近度衡量比较案例对待估宗地价格的差异影响程度修正比较案例的地价，基于贴近度加权方法计算待估宗地价格。

2.根据权利要求1所述的基于人工神经网络的模糊宗地地价评估方法，其特征在于，影响城市商业用地价格的因子有交通条件、繁华程度、人口状况、地形、城市规划、基础公用设施、环境质量和宗地几何。

3.根据权利要求1或2所述的基于人工神经网络的模糊宗地地价评估方法，其特征在于，所述步骤二中样本特征数据集为：

其中，为第l个样本的第d个特征值，表示第l个样本地块在第d个特征因素上的量化值，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；

与样本特征数据集X对应的样本地价标签数据集Y为：Y＝[y₁ y₂ ... y_l ... y_L]^T；其中，y_l表示第l个样本地块的实际市场价格。

4.根据权利要求3所述的基于人工神经网络的模糊宗地地价评估方法，其特征在于，所述z-score方法对对特征值归一化处理为：

其中，为特征值归一化后的数据特征值，φ_d为样本特征数据集X的第d个特征值的平均数，σ_d为样本特征数据集X的第d个特征值的标准差。