基于遗传神经网络的房地产评估方法研究

论文摘要

随着房地产市场的日趋活跃和房地产交易额的日益增加,房地产评估行业也随之迅速发展起来。但目前房地产评估不论是理论研究还是产业发展都还不够成熟。评估方法过于依赖评估人员的经验,缺少准确的评估依据,难以保证评估的质量,这些问题阻碍了房地产评估行业的发展。本文针对房地产价格与其影响因素之间的复杂、非线性的关系,采用人工神经网络作为房地产评估的技术方法。利用神经网络确定房地产价格影响因素与房地产价格之间的映射关系,来有效地降低由于评估人员主观因素所造成的评估结果的偏差。针对BP算法所存在的收敛速度慢,容易陷入局部极值点的问题,采用遗传算法优化BP神经网络的连接权值和阈值,使得房地产评估在更加合理的网络结构上进行。构建一个基于遗传神经网络的房地产评估平台,然后利用Matlab 7.0验证用遗传神经网络进行房地产评估的有效性。针对影响房地产价格的两个重要因素——房地产入住率和租金水平难以把握的问题,本文提出了将数据仓库技术应用于房地产评估的解决方案。给出了面向房地产评估为主题的数据仓库结构,建立了用于OLAP分析的多维数据集。以便评估人员能够快速、灵活、直观地获得被评估对象的入住率和租金水平的信息。然后,采用VC++6.0和Microsoft SQL Server Analysis Services 2000设计并实现了一个房地产数据仓库系统雏形。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外研究综述
• 1.2.1 人工神经网络研究
• 1.2.2 数据仓库应用研究
• 1.2.3 房地产评估方法研究
• 1.3 论文的研究内容与组织结构
• 第2章 神经网络与遗传算法结合
• 2.1 人工神经网络原理
• 2.1.1 人工神经元模型
• 2.1.2 多层前馈神经网络
• 2.1.3 反向传播 BP神经网络
• 2.1.4 BP算法的训练过程
• 2.1.5 BP算法存在的问题
• 2.1.6 基于 BP神经网络的算法改进
• 2.1.7 Levenberg-Marquardt算法
• 2.2 遗传算法
• 2.2.1 遗传算法简介
• 2.2.2 遗传算法基本组成
• 2.2.3 遗传算法流程
• 2.2.4 遗传算法的特点
• 2.3 遗传算法优化 BP神经网络
• 2.3.1 神经网络连接权的遗传进化
• 2.3.2 神经网络结构的遗传进化
• 2.4 本章小结
• 第3章 数据仓库理论与数据仓库架构技术
• 3.1 数据仓库概述
• 3.1.1 数据仓库定义和主要特征
• 3.1.2 数据仓库体系结构
• 3.1.3 数据仓库设计
• 3.2 OLAP技术
• 3.2.1 OLAP概述
• 3.2.2 OLAP的应用体系结构
• 3.2.3 OLAP系统的分类
• 3.2.4 OLAP相关概念
• 3.2.5 基于 OLAP的多维数据查询
• 3.3 数据仓库架构技术
• 3.3.1 SQL Server 2000中的Analysis Services
• 3.3.2 Analysis Services常用工具
• 3.3.3 数据访问组件
• 3.4 本章小结
• 第4章 房地产价格影响因素与评估方法分析
• 4.1 房地产价格形成的基础
• 4.2 影响房地产价格形成的主要因素
• 4.2.1 影响房地产价格形成的一般因素
• 4.2.2 影响房地产价格形成的区域因素
• 4.2.3 影响房地产价格形成的个别因素
• 4.3 房地产评估基本方法
• 4.4 本章小结
• 第5章 遗传神经网络在房地产评估中的应用
• 5.1 遗传神经网络在房地产评估中应用的可行性
• 5.2 基于遗传神经网络的房地产评估模型的设计
• 5.3 遗传算法设计
• 5.3.1 编码方案
• 5.3.2 种群的设定与初始化
• 5.3.3 适应度函数的选择
• 5.3.4 选择算子
• 5.3.5 交叉算子
• 5.3.6 变异算子
• 5.4 样本向量的选择
• 5.5 BP神经网络设计
• 5.6 神经网络程序实现
• 5.7 模型试验和结果分析
• 5.7.1 遗传神经网络的训练
• 5.7.2 网络性能测试
• 5.7.3 基于遗传神经网络的房地产评估的特点
• 5.8 本章小结
• 第6章 房地产数据仓库系统设计
• 6.1 系统需求分析
• 6.2 房地产数据仓库结构设计
• 6.3 房地产数据仓库模型设计
• 6.4 OLAP分析系统的设计
• 6.5 本章小结
• 总结
• 参考文献
• 攻读硕士学位期间发表的学术论文及科研工作
• 致谢