本文關鍵詞：基于BP神經網絡的城市軌道交通沿線房地產價值評估方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：“十二五”期間,我國城市軌道交通建設得到迅猛發(fā)展。城市軌道交通作為城市重要的交通方式之一,具有高效、安全、舒適的特點。城市軌道交通外部效益顯著,對沿線房地產價值有著明顯的影響作用。近年來,“地鐵房”等城市軌道交通沿線房地產逐漸成為社會民生關注的熱點,因而對城市軌道交通沿線房地產價值的評估是非常重要的。傳統(tǒng)評估方法由于其自身的局限性,可能導致對沿線房地產價值評估結果的不準確。針對城市軌道交通沿線房地產自身的特殊性,探討如何采取有效的評估方法對軌道交通沿線房地產價值進行準確評估變得越來越重要。 BP神經網絡能模擬人類大腦的學習思維能力,是一種功能強大、應用廣泛的機器學習算法,被廣泛的應用于價值評估領域。在對傳統(tǒng)的房地產價值評估方法進行了分析和研究之后,本文提出了將Hedonic特征價格模型與BP神經網絡引入對市場法的改進之中。首先,利用Hedonic特征價格模型對樣本指標體系進行優(yōu)化,去除指標之間的共線性影響,以提高估計模型的準確度：然后,將優(yōu)化后的樣本作為輸入量導入BP神經網絡中,讓其進行自我訓練,建立非線性映射,最終準確的預測出房地產的價值。 本文對成都市軌道交通沿線的房地產采集了樣本數據,利用SPSS和Matlab構建了價值評估模型,通過實例分析計算后發(fā)現(xiàn),該模型能準確的預測出沿線房地產的價值,證明了本文提出的這種改進評估方法的準確性與有效性。
【關鍵詞】：城市軌道交通 房地產價值評估 BP神經網絡 Hedonic特征價格模型
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F299.23;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-8
• 序言8-12
• 1 緒論12-20
• 1.1 研究背景和研究意義12-14
• 1.1.1 研究背景12-14
• 1.1.2 研究意義14
• 1.2 國內外研究現(xiàn)狀14-18
• 1.2.1 國外研究現(xiàn)狀14-16
• 1.2.2 國內研究現(xiàn)狀16-18
• 1.3 論文內容及邏輯結構18-20
• 1.3.1 論文內容18-19
• 1.3.2 論文結構19-20
• 2 城市軌道交通沿線房地產價值評估方法分析20-30
• 2.1 城市軌道交通對沿線房地產價值的影響機理20-23
• 2.1.1 提升周邊物業(yè)可達性20-21
• 2.1.2 改變既有城市規(guī)劃布局21
• 2.1.3 提高土地開發(fā)強度21-22
• 2.1.4 帶來潛在負面影響22
• 2.1.5 綜合影響模型22-23
• 2.2 根據評估特殊性對傳統(tǒng)價值評估方法的選擇23-25
• 2.2.1 交通優(yōu)勢凸顯,評估時需側重考量23-24
• 2.2.2 居住性用房為主,可比成交案例充足24-25
• 2.2.3 市場法的優(yōu)勢與劣勢25
• 2.4 應用BP神經網絡改進市場法的可行性與優(yōu)越性25-30
• 2.4.1 應用BP神經網絡的可行性26-27
• 2.4.2 應用BP神經網絡的優(yōu)越性27-30
• 3 基于BP神經網絡的價值評估模型構建30-44
• 3.1 理論基礎30-35
• 3.1.1 BP神經網絡的概念30-31
• 3.1.2 BP神經網絡的結構31-33
• 3.1.3 BP神經網絡的計算原理33-35
• 3.2 網絡參數的確定35-38
• 3.2.1 輸入層和輸出層的設計36
• 3.2.2 隱含層設計36
• 3.2.3 BP人工神經網絡算法的選取36-38
• 3.3 輸入變量的確定38-44
• 3.3.1 建筑結構特征變量38-39
• 3.3.2 地理區(qū)位特征變量39-40
• 3.3.3 周邊配套特征變量40
• 3.3.4 交易環(huán)境特征變量40-41
• 3.3.5 Hedonic模型優(yōu)化輸入變量體系41-44
• 4 實證研究44-62
• 4.1 數據的搜集和處理45-47
• 4.1.1 數據的搜集45
• 4.1.2 數據的處理45-47
• 4.2 利用HEDONIC模型進行指標優(yōu)化47-53
• 4.2.1 樣本數據抽取與輸入47
• 4.2.2 模型實證運算47-50
• 4.2.3 結果選取與分析50-53
• 4.3 BP人工神經網絡的訓練53-59
• 4.3.1 數據的輸入和整理53
• 4.3.3 模型的初步訓練53-56
• 4.3.4 模型的優(yōu)化56-59
• 4.4 測試結果分析59-62
• 4.4.1 證明了BP神經網絡的可行性與優(yōu)越性59
• 4.4.2 證明了Hedonic模型優(yōu)化指標的必要性與有效性59-60
• 4.4.3 證明了城市軌道交通對沿線房地產價值的重要性60-62
• 5 總結與展望62-64
• 5.1 論文主要工作62-63
• 5.2 展望63-64
• 參考文獻64-68
• 附錄A68-94
• 附錄B94-98
• 作者簡歷98-102
• 學位論文數據集102

【參考文獻】

中國期刊全文數據庫 前10條

1 矯霞;谷麗萍;胡長明;;基于BP神經網絡的軌道交通對房地產價格影響分析[J];重慶工學院學報(自然科學版);2009年10期

2 王松濤;鄭思齊;馮杰;;公共服務設施可達性及其對新建住房價格的影響——以北京中心城為例[J];地理科學進展;2007年06期

3 沈珠;黃華明;蔣麗;李安芹;;市場比較法在房地產評估中的運用[J];資源與人居環(huán)境;2007年10期

4 蘇曉舟;顧保南;孫世超;;2013年中國城市軌道交通運營線路統(tǒng)計和分析[J];城市軌道交通研究;2014年01期

5 王廣飛;李欣欣;;城市軌道交通對沿線住宅價格的影響——以天津市1號線為例[J];重慶理工大學學報(自然科學);2014年11期

6 任穎卿;;淺析福州地鐵對房地產市場的影響[J];福建建材;2014年12期

7 楊黎萌,劉開第;BP神經網絡在房地產估價中的應用[J];河北建筑科技學院學報;2004年02期

8 王杰;;特征價格模型在軌道交通沿線住宅增值效果研究上的應用[J];合作經濟與科技;2008年12期

9 楊勵雅;邵春福;;基于BP神經網絡與馬爾可夫鏈的城市軌道交通周邊房地產價格的組合預測方法[J];吉林大學學報(工學版);2008年03期

10 郭慶春;寇立群;孔令軍;張小永;崔文娟;;改進BP神經網絡在預測房地產價格指數中的應用[J];價值工程;2011年17期

  本文關鍵詞：基于BP神經網絡的城市軌道交通沿線房地產價值評估方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：318227