[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

说明书

本发明提出了一种基于人工神经网络的模糊宗地地价评估方法，其步骤如下：根据待估宗地性质中挑选因子构建土地评估特征体系；搜集市场交易资料，构建地价样本数据集并利用z‑score方法对样本特征数据进行归一化处理；利用BP人工神经网络对样本集进行训练并提取每一特征因素的权重参数；选用类别法或阈值法建立隶属函数，构建特征因素隶属度矩阵；利用贴近度计算交易案例之间的贴近程度，根据贴近度大小筛选出比较案例；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。本发明能够获得更高的地价评估精度，对于高额度的土地评估具有很大的意义，能够使土地经济活动更加公正、合理，为土地市场经济的健康可持续发展做出贡献。

技术领域

本发明涉及城市和农村的宗地价格评估的技术领域，具体涉及一种基于人工神经网络的模糊宗地地价评估方法。

背景技术

目前比较常用的宗地价格评估方法主要包括市场比较法、基准地价修正法和成本估价法等。在这些方法中，市场比较法以估价原理简单、容易理解的优点被广泛使用。市场比较法是从广泛搜集的交易实例中选取可供比较参照的交易实例，然后进行影响因素、交易状态等修正，综合评估确定待估对象估价金额。市场比较法的理论依据是替代原理，因此如何准确的选择可比案例是正确运用市场比较法的关键。

土地评估实践中评估者多是基于主观经验来选择交易案例，不仅对从业者的专业素养要求较高，且存在较大的主观随意性。针对该问题有学者提出了聚类分析、集对分析、主成分分析、灰色关联度分析、模糊数学等定量选择方法。由于交易实例选择的模糊性使得模糊数学方法受到较多学者的关注，并且现有研究表明通过计算贴近度选择得到的比较交易实例可以较为准确评估待估对象的价格。土地价格受自然、经济、区位等多种因素影响，土地评估结果既能够表现出自然经济因素影响土地价值的区域结构性特征，也能反映人文活动及其它因素对地价的随机性扰动。部分学者考虑了评估过程中特征因素对地价影响的差异性，并对其进行量化，然后将该特征权重引入到模糊贴近度的计算模型当中，明显提高了参照案例选择的可靠性。但该部分研究一般采用层次分析法或专家打分等定性方法来确定特征权重，仍存在一定的主观随意性。并且随着时间和空间的推移，各影响特征对地价的影响程度可能发生变化，特征权重也需要做出调整才能符合实际情况。宗地价格评估是一个复杂的非线性系统，必须建立权重的动态学习机制，神经网络方法解决这类问题具有明显优势，并且孙会君、张云天、刘向楠等人的研究也验证了利用人工神经网络方法建立权重学习机制的可行性。

发明内容

针对现有方法存在的特征因素权重确定主观性强、无法动态准确提取特征因素与宗地价格之间的权重系数等技术问题，本发明利用BP人工神经网络算法和模糊数学理论来构建一种基于人工神经网络的模糊宗地地价评估方法，利用BP人工神经网络的反馈学习机制，获取地价影响特征的权重系数，并利用该结果耦合现有的模糊数学贴近度计算模型选择最佳可比案例，计算待估宗地土地价格。

为了达到上述目的，本发明的技术方案是：一种基于人工神经网络的模糊宗地地价评估方法，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。