本文關鍵詞：基于支持向量機回歸的房地產(chǎn)批量估價模型研究　出處：《暨南大學》2013年碩士論文　論文類型：學位論文

  更多相關文章： GIS 支持向量機回歸 房地產(chǎn)批量估價 基于自適應變異的PSO算法

【摘要】：由于目前房地產(chǎn)估價行業(yè)發(fā)展不夠成熟，，相關從業(yè)人員素質(zhì)、估價手段、影響房價的因素等不固定因子會導致估價出現(xiàn)參差不齊的現(xiàn)象。需要一種科學的方案來對估價行業(yè)進行規(guī)范化管理。本研究在Hedonic估價模型的基礎上進行改進，制定出一套合理完善的基于GIS和支持向量機回歸的房地產(chǎn)批量估價模型。首先，按不同樓盤、各房屋類型的成交案例對住房自身屬性相關數(shù)據(jù)進行采集，以及通過Google MapsAPI調(diào)用GIS系統(tǒng)來批量提取住房所在樓盤周邊的區(qū)位因素。接著，對不同類型住房的房價進行修正為同樣實物狀況下的標準房價，按房價對不同價位的樓盤進行聚類，分成低價房、平價房和高價房三大類，并針對每個類型的樓盤進行拆分為訓練集和測試集兩部分樣本；然后，針對各類型住房的訓練集樣本，分別采用四種核函數(shù)以及經(jīng)驗參數(shù)法、交叉驗證法、遺傳算法和基于自適應變異的PSO算法等四類參數(shù)尋優(yōu)方法，得到基于徑向基核函數(shù)和自適應變異的PSO算法的支持向量機回歸方法建立的回歸模型估價結果最為精確；并通過對測試集中已知的區(qū)位因素進行批量估價，同時也檢驗了支持向量機回歸批量估價模型的精確度，其估價結果明顯優(yōu)于嶺回歸和BP神經(jīng)網(wǎng)絡這兩種估價方法。最后，通過國際估稅官協(xié)會（IAAO）提供的批量估價效果的評價指標體系對該模型進行綜合評價，并為房地產(chǎn)批量估價工作制定了標準化的流程。
[Abstract]:Due to the current development of real estate valuation industry is not mature, the quality of relevant practitioners, valuation means. Factors affecting house prices and other uncertain factors will lead to uneven valuation. A scientific scheme is needed to standardize the management of the valuation industry. This study is based on the Hedonic valuation model. Make improvements. A set of reasonable and perfect real estate batch valuation model based on GIS and SVM regression is developed. Firstly, according to different housing developments, the transaction cases of different types of housing to collect the relevant data of the property of housing itself. And through the Google MapsAPI to call the GIS system to extract the housing estate around the location of factors. The housing prices of different types of housing are revised to the standard housing prices under the same physical conditions, according to the price of different housing prices for clustering, divided into low-price housing, affordable housing and high-priced housing three categories. And for each type of real estate divided into two parts of the training set and test set samples; Then, four kinds of parameter optimization methods, such as kernel function, empirical parameter method, cross-validation method, genetic algorithm and PSO algorithm based on adaptive mutation, are used for the training set samples of each type of housing. Support vector machine regression method based on radial basis function kernel function and adaptive mutation PSO algorithm is obtained. The evaluation results of the regression model are the most accurate. At the same time, the accuracy of the support vector machine regression batch evaluation model is also tested by evaluating the known location factors in the test set. The evaluation results are obviously superior to those of ridge regression and BP neural network. Finally. Through the evaluation index system of the batch valuation effect provided by IAAO( International Association of Appraisers), the model is evaluated synthetically, and a standardized flow chart is established for the real estate batch evaluation.
【學位授予單位】：暨南大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F299.23;F233;F224

【參考文獻】

相關期刊論文 前10條

1 陳有孝,林曉言,劉云輝;城市軌道交通建設對地價影響的評估模型及實證——以北京市軌道交通為例[J];北京交通大學學報(社會科學版);2005年03期

2 黃海;李爽;楊清偉;;基于GIS和模糊理論的房地產(chǎn)估價比較法研究[J];重慶交通大學學報(自然科學版);2009年05期

3 王霞,朱道林 ,張鳴明;城市軌道交通對房地產(chǎn)價格的影響——以北京市輕軌13號線為例[J];城市問題;2004年06期

4 翁和霞;冀琳彥;;基于GIS技術的房地產(chǎn)估價系統(tǒng)的研究[J];測繪與空間地理信息;2009年02期

5 周 俊,徐建剛;軌道交通的廊道效應與城市土地利用分析——以上海市軌道通明珠線(一期)為例[J];城市軌道交通研究;2002年01期

6 陳峰;吳奇兵;;軌道交通對房地產(chǎn)增值的定量研究[J];城市軌道交通研究;2006年03期

7 張玉紅,孫凌云;房地產(chǎn)估價決策支持系統(tǒng)[J];哈爾濱工業(yè)大學學報;2001年04期

8 田小梅,龔靜;實數(shù)編碼遺傳算法的評述[J];湖南環(huán)境生物職業(yè)技術學院學報;2005年01期

9 汪廷華;陳峻婷;;核函數(shù)的選擇研究綜述[J];計算機工程與設計;2012年03期

10 鄭捷奮,劉洪玉;深圳地鐵建設對站點周邊住宅價值的影響[J];鐵道學報;2005年05期

本文編號：1374505