[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

摘要

本发明提出了一种基于深度学习算法的农用地基准地价评估方法，步骤为：搜集市场交易资料，构建地价的样本数据集；利用z‑score方法对样本的特征数据进行归一化处理，并将原始样本数据集随机拆分为训练样本集合和测试样本集合；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，保存拟合精度最高的深层网络结构的参数；将农用地评估单元的特征值输入到训练好的深层网络结构中计算评估单元的地价；采用总分频率法划定评估单元级别，选用面积加权法进行基准地价计算。本发明能够以较高的拟合精度建立地价与地价影响因素的映射关系，所求取的基准地价与农用地质量在空间分布规律上保持了较好的一致性。

主权项

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。