汪瑞

1.福州大學(xué)經(jīng)濟(jì)與管理學(xué)院,福建福州350106

2.福建江夏學(xué)院工商管理學(xué)院,福建福州350108

房地產(chǎn)評(píng)估的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

汪瑞

1.福州大學(xué)經(jīng)濟(jì)與管理學(xué)院,福建福州350106

2.福建江夏學(xué)院工商管理學(xué)院,福建福州350108

當(dāng)前房地產(chǎn)市場(chǎng)飛速發(fā)展，房地產(chǎn)評(píng)估行業(yè)缺乏科學(xué)的評(píng)估方法，致使評(píng)估質(zhì)量難以保證。本文通過運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建出房地產(chǎn)評(píng)估價(jià)格與相關(guān)影響因素之間的映射關(guān)系，提出一種房地產(chǎn)評(píng)估預(yù)測(cè)模型，該模型通過優(yōu)化BPNN的權(quán)值和閾值來提高BPNN的收斂速度，可解決該算法陷入局部極值點(diǎn)的問題，為提高房地產(chǎn)估價(jià)的準(zhǔn)確性和有效性提供了新思路。

房地產(chǎn);評(píng)估;BP神經(jīng)網(wǎng)絡(luò)模型

1 房地產(chǎn)價(jià)格評(píng)估指標(biāo)體系與措施

房地產(chǎn)價(jià)格屬于經(jīng)濟(jì)管理范圍，房地產(chǎn)價(jià)格與它影響因素相互之間有著非常復(fù)雜化與非線性的關(guān)系。房地產(chǎn)價(jià)格是指建筑物連同其占用土地的價(jià)格，即房地產(chǎn)價(jià)格：土地價(jià)格+建筑物價(jià)格，是房地產(chǎn)經(jīng)濟(jì)運(yùn)行和資源配置最重要的調(diào)節(jié)機(jī)制[1]。房地產(chǎn)價(jià)格由市場(chǎng)決定，其通常是它們?cè)谶M(jìn)行交易的時(shí)間內(nèi)由多種因素綜合結(jié)果所確定的。這多種因素主要是個(gè)別因素、區(qū)域因素與一般因素三大因素。而區(qū)域因素與個(gè)別因素的價(jià)格通常受一般因素影響，最終具體某地、某類房地產(chǎn)價(jià)格又受區(qū)域因素與個(gè)別因素的影響。個(gè)別因素是指由房地產(chǎn)的土地、建筑物等自身的作用的大小與質(zhì)量高低等因素所組成。區(qū)域因素是指房地產(chǎn)所處地的地區(qū)特別性對(duì)該地區(qū)的房地產(chǎn)價(jià)格水平的影響，地區(qū)特別性是比如該地區(qū)的經(jīng)濟(jì)是否發(fā)達(dá)、是否處于市中心、或者國家、地方政府等行政政策是否參與等均屬于區(qū)域因素。房地產(chǎn)價(jià)格評(píng)估指標(biāo)體系具體如圖1。

圖1 房地產(chǎn)估價(jià)指標(biāo)體系示意圖Fig.1 The schematic process of assessment index system for the real estate

房地產(chǎn)評(píng)估比較常見的措施如圖2。而本文是使用市場(chǎng)比較法，此方法是依據(jù)經(jīng)濟(jì)學(xué)中有關(guān)原理，即替換原理，選擇最近發(fā)生的交易的案例，經(jīng)過修改后，對(duì)被評(píng)房地產(chǎn)的價(jià)格方法進(jìn)行計(jì)算。該計(jì)算過程是評(píng)估工作人員依據(jù)市場(chǎng)調(diào)查結(jié)果，然后篩選幾處房地產(chǎn)用途差不多、類型相近的案例作為對(duì)照物，最后經(jīng)過專業(yè)的評(píng)估人員對(duì)該幾處房地產(chǎn)進(jìn)行實(shí)地考察，比如考察區(qū)域因素、交易時(shí)間、以及交易情況等進(jìn)行要比較，從而得出被評(píng)估房地產(chǎn)較為合理的價(jià)格。

圖2 房地產(chǎn)價(jià)格評(píng)估措施Fig.2 The assessment measures for the real estate

2 BP神經(jīng)網(wǎng)絡(luò)構(gòu)成原理

BP神經(jīng)網(wǎng)絡(luò)屬于一類依照逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，該網(wǎng)絡(luò)由隱含層、輸出層與輸入層構(gòu)成，其中前者可能一層或數(shù)層，各層相互之間的連結(jié)點(diǎn)，均進(jìn)行連接，同一層網(wǎng)絡(luò)結(jié)點(diǎn)卻未有連接。而后兩者只有一層。BP網(wǎng)絡(luò)捅有相當(dāng)大的輸入與輸出模式映射關(guān)系，根本不需要在應(yīng)用前對(duì)這類映射關(guān)系的數(shù)學(xué)方程進(jìn)行解釋說明[2]。BP神經(jīng)網(wǎng)絡(luò)上的每個(gè)節(jié)點(diǎn)，均代表一支神徑元，通常是通過Sigmod函數(shù)進(jìn)行傳遞，該神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是對(duì)輸出結(jié)果與希望結(jié)果之間的差值算出最小值，此訓(xùn)練經(jīng)過，是使用梯度下降法來對(duì)各個(gè)神經(jīng)元之間的閥值與權(quán)值進(jìn)行調(diào)整，調(diào)整到兩者誤差函數(shù)值E變成最小。計(jì)算公式如（1）與（2）。

（1）與（2）式中，Ep代表BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本的誤差值，p代表該神經(jīng)網(wǎng)絡(luò)的構(gòu)成層輸出層的單元個(gè)數(shù)，Oj代表著輸出層的單元j對(duì)訓(xùn)練樣本p目的數(shù)值，Pj代表事前確定好的訓(xùn)練樣本p時(shí)輸出單元K的數(shù)值。不過由于BP神經(jīng)網(wǎng)絡(luò)核算法速度不是很快，導(dǎo)致有可能進(jìn)入局部非常的小的數(shù)值。

3 房地產(chǎn)批量評(píng)估的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

3.1 房地產(chǎn)批量評(píng)估流程分析

采用BP神經(jīng)網(wǎng)絡(luò)(圖3）來對(duì)批量房地產(chǎn)價(jià)格進(jìn)行評(píng)估，其流程如圖4。

圖3 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 The structure of BPneural network with three sections

圖4 神經(jīng)網(wǎng)絡(luò)批量評(píng)估房地產(chǎn)流程圖Fig.4 The process of neural network batch assessment for real estate

3.1.1 樣本數(shù)據(jù)的整理樣本數(shù)據(jù)的整理主要包含收集與篩選兩部分內(nèi)容。在對(duì)房地產(chǎn)價(jià)格影響因素分析之后，就收集有關(guān)房地產(chǎn)市場(chǎng)上近期交易數(shù)據(jù)，并對(duì)收集來的數(shù)據(jù)進(jìn)行篩選，然后對(duì)有各類特點(diǎn)數(shù)據(jù)進(jìn)行量化處理，使樣本數(shù)據(jù)能夠與網(wǎng)絡(luò)模型的計(jì)算相符合。為了BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)和學(xué)習(xí)，可以把樣本數(shù)據(jù)在正式使用前，分成兩部分內(nèi)容分別是檢測(cè)樣本與訓(xùn)練樣本。檢測(cè)樣本占五分之四，訓(xùn)練樣本占五分之一。

3.1.2 神經(jīng)網(wǎng)絡(luò)模型的建立本文使用BP神經(jīng)網(wǎng)絡(luò)作為構(gòu)模工具，房地產(chǎn)價(jià)格批量評(píng)估的網(wǎng)絡(luò)模型建立重點(diǎn)包含BP網(wǎng)絡(luò)算法選擇，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與建立評(píng)估價(jià)格指標(biāo)體系等內(nèi)容。在這三部分內(nèi)容中網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)是該模型能否建成功最核心的內(nèi)容，在這網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)中又包含網(wǎng)絡(luò)參數(shù)設(shè)置與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)。

3.1.3 BP神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練此模型訓(xùn)練是指把訓(xùn)練樣本錄進(jìn)早已建立好的BP神經(jīng)網(wǎng)絡(luò)模型之中，從而達(dá)到訓(xùn)練樣本的目的。這部分內(nèi)容是不斷調(diào)節(jié)網(wǎng)絡(luò)權(quán)值與閥值的過程，使得誤差越來越變小。當(dāng)網(wǎng)絡(luò)在不斷地收斂時(shí)，而且如果誤差值與訓(xùn)練次數(shù)達(dá)到事先預(yù)計(jì)設(shè)定好的最大期望誤差值與訓(xùn)練次數(shù)，則說明該模型訓(xùn)練效果是很理想的。不然，就需要對(duì)網(wǎng)絡(luò)模型進(jìn)行再次構(gòu)建，對(duì)網(wǎng)絡(luò)設(shè)定與網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行重新調(diào)整[3]。

3.1.4 BP網(wǎng)絡(luò)模型檢測(cè)與房地產(chǎn)價(jià)格批量評(píng)估PB網(wǎng)絡(luò)模型的檢測(cè)是我們對(duì)模型判斷能不能應(yīng)用于實(shí)際的最重要步驟。如果模型檢測(cè)沒有成功，我們就得從再次建立BP網(wǎng)絡(luò)模型，又要重新對(duì)樣本進(jìn)行訓(xùn)練，一直到模型檢測(cè)成功為止。關(guān)于通過我們檢測(cè)成功的網(wǎng)絡(luò)模型，就得把網(wǎng)絡(luò)權(quán)值、閥值矩陣保存在網(wǎng)絡(luò)之中，再錄入待估房地產(chǎn)特點(diǎn)影響因素的量化值，通過之前訓(xùn)練成功的BP網(wǎng)格模型，對(duì)房地產(chǎn)價(jià)格進(jìn)行評(píng)估。

3.2 房地產(chǎn)批量評(píng)估的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)分析

3.2.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)

3.2.1.1 關(guān)于節(jié)點(diǎn)數(shù)的認(rèn)定在BP網(wǎng)絡(luò)模型結(jié)構(gòu)中，節(jié)點(diǎn)主要是指輸入與輸出層的節(jié)點(diǎn)數(shù)，而此節(jié)點(diǎn)數(shù)就是指輸入與輸出層的神經(jīng)元數(shù)，這兩層的節(jié)點(diǎn)數(shù)是由價(jià)格影響因素組成的。但是由于房地產(chǎn)價(jià)格影響因素較為復(fù)雜，無法把所有價(jià)格影響因素看成輸入變量數(shù)。所以我們認(rèn)定這些節(jié)點(diǎn)數(shù)時(shí)就是在評(píng)估區(qū)域劃分的基礎(chǔ)上，再挑選體現(xiàn)在同一評(píng)估區(qū)域內(nèi)對(duì)房地產(chǎn)價(jià)格作用比較大的變量看做輸入節(jié)點(diǎn)。我們挑選了七個(gè)變量作為輸入節(jié)點(diǎn)，所以7就是輸入層的節(jié)點(diǎn)數(shù)。評(píng)估房地產(chǎn)的價(jià)格就是輸出層節(jié)點(diǎn)，總節(jié)點(diǎn)數(shù)的是1。

3.2.1.2 對(duì)網(wǎng)絡(luò)層數(shù)的認(rèn)定從BP神經(jīng)網(wǎng)絡(luò)方面來說，只有一層的確定為輸入與輸出層，而隱含層的層數(shù)與訓(xùn)練結(jié)果的精確度有很大關(guān)系，層數(shù)越多說明準(zhǔn)確度越高，不過對(duì)于網(wǎng)絡(luò)訓(xùn)練時(shí)間與難度也有一定增加，使網(wǎng)絡(luò)識(shí)別也增加了難度。依據(jù)關(guān)于求BP網(wǎng)的隱含層神經(jīng)元個(gè)數(shù)定理，如果在結(jié)構(gòu)合理，權(quán)值適當(dāng)?shù)那闆r下，帶有僅一層的隱含層的前饋網(wǎng)絡(luò)就會(huì)與任意函數(shù)相接近。因此此文的估價(jià)模型選擇隱含層數(shù)為一層，所建立的網(wǎng)絡(luò)層數(shù)總共為三層[4]。

3.2.1.3 關(guān)于隱含層中的節(jié)點(diǎn)認(rèn)定我們了解到對(duì)于發(fā)現(xiàn)與保存隱含在樣本集中的規(guī)律是由隱含層中神經(jīng)元負(fù)責(zé)承擔(dān)，隱含層中的節(jié)點(diǎn)數(shù)量的多少會(huì)對(duì)網(wǎng)絡(luò)訓(xùn)練準(zhǔn)確程度有著最明顯的影響。對(duì)于我們選擇隱含層中節(jié)點(diǎn)數(shù)量也是很技巧的，如果選擇數(shù)量太多或太少均不能使BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到準(zhǔn)確程度，太多會(huì)導(dǎo)致網(wǎng)絡(luò)出現(xiàn)高度吻合的情況發(fā)生，太少則會(huì)使網(wǎng)絡(luò)不能發(fā)現(xiàn)樣本集中規(guī)律，也就使神經(jīng)元發(fā)揮不了該起到作用。那么怎樣才能確定隱含層中節(jié)點(diǎn)數(shù)量恰好呢？這就與訓(xùn)練樣本數(shù)量、嗓聲、以及樣本中所隱藏的規(guī)律有著非常復(fù)雜的關(guān)系。在實(shí)際確定隱含層的節(jié)點(diǎn)個(gè)數(shù)的方法，通常是經(jīng)過多次試驗(yàn)的方法來確定最佳隱含層節(jié)點(diǎn)數(shù)量，該方法被學(xué)界也稱作試湊法。說白了就是在試驗(yàn)之前先大致地確定隱含層節(jié)點(diǎn)范圍，在此范圍內(nèi)對(duì)于同一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)依次設(shè)定不同節(jié)點(diǎn)數(shù)量，再在其他網(wǎng)絡(luò)參數(shù)不變的情景下，對(duì)同樣的訓(xùn)練樣本分別進(jìn)行訓(xùn)練，最后經(jīng)過比較訓(xùn)練結(jié)果，選擇誤差值小，而且訓(xùn)練數(shù)次數(shù)最少的節(jié)點(diǎn)數(shù)做為最終隱含層節(jié)點(diǎn)數(shù)量。怎么在試驗(yàn)之前確定節(jié)點(diǎn)數(shù)范圍，有以下幾個(gè)公式可計(jì)算出：

在（3）～（5）式中，我們了解到P表示隱層節(jié)點(diǎn)數(shù)，n、q分別表示輸入層節(jié)點(diǎn)數(shù)，a表示1至10的自然數(shù)。

3.2.2 關(guān)于對(duì)網(wǎng)絡(luò)參數(shù)的設(shè)置

3.2.2.1 剛開始選取權(quán)值從BP神經(jīng)網(wǎng)絡(luò)的S型變換函數(shù)能夠得知，假如BP神經(jīng)網(wǎng)絡(luò)剛開始的權(quán)值數(shù)量較大時(shí)，通過函數(shù)轉(zhuǎn)換之后的數(shù)值將會(huì)存儲(chǔ)在S函數(shù)的飽和區(qū)內(nèi)，該區(qū)域平坦，里面導(dǎo)數(shù)不大，完全有可能使網(wǎng)絡(luò)不再調(diào)整，因此，通常要求每個(gè)神經(jīng)元節(jié)點(diǎn)輸入均與0相接近，使它的輸出在變換函數(shù)中間位置，從而保證權(quán)值能在變換函數(shù)的非常敏感區(qū)調(diào)節(jié)，使BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度得到提高。

3.2.2.2 BP神經(jīng)網(wǎng)絡(luò)計(jì)算選擇本文是選擇LM網(wǎng)絡(luò)算法來作為房地產(chǎn)批量評(píng)估模型中的計(jì)算方法，該算法計(jì)算公式為：

在（6）式中，m能夠自行相適應(yīng)地進(jìn)行調(diào)整，假如m→∞時(shí)，則（6）式就會(huì)變成步長不大的梯度下降法，假如m→0時(shí)，則（6）式就會(huì)成為與牛頓法比較接近。ML算法在起初梯度下降很快，但伴隨迭代次數(shù)提升，就愈來愈近似于最佳值，在最佳值旁邊就會(huì)形成一個(gè)效果非常不錯(cuò)的搜尋方向，使得BP神經(jīng)網(wǎng)絡(luò)朝效果不錯(cuò)的搜尋方向進(jìn)行不斷改善，能夠非常有效地阻止網(wǎng)絡(luò)進(jìn)入極小值的范圍內(nèi)。從而使得網(wǎng)絡(luò)穩(wěn)定性與網(wǎng)絡(luò)訓(xùn)練精確度得到提升時(shí)，還能使網(wǎng)絡(luò)收斂速度得提高。

3.3 關(guān)于MATLAB的房地產(chǎn)估價(jià)神經(jīng)網(wǎng)絡(luò)模型的實(shí)施

本文所采用的MATLAB軟件而產(chǎn)生的神經(jīng)網(wǎng)絡(luò)工具箱，對(duì)該網(wǎng)絡(luò)模型進(jìn)行運(yùn)轉(zhuǎn)發(fā)揮著重要作用，主要包含運(yùn)算與編輯等內(nèi)容。在網(wǎng)絡(luò)工具箱中，系統(tǒng)會(huì)產(chǎn)生一切BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建時(shí)所需要網(wǎng)絡(luò)屬性，比如初始化函數(shù)、網(wǎng)絡(luò)建立函數(shù)、以及傳遞函數(shù)等[5]。從而使BP神經(jīng)網(wǎng)絡(luò)模型來實(shí)現(xiàn)其功能比如仿真、訓(xùn)練等。其實(shí)現(xiàn)過程，主要通過網(wǎng)絡(luò)工具箱內(nèi)所產(chǎn)生的函數(shù)，就能使模型進(jìn)行簡(jiǎn)單的編程，通過編程、計(jì)算就能實(shí)現(xiàn)網(wǎng)絡(luò)仿真、訓(xùn)練與初始化等作用。同時(shí)由于編程簡(jiǎn)單，使得編程人員操作簡(jiǎn)單，使用方便，以及節(jié)省了時(shí)間等。

MATLAB軟件提供的工具箱，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型能起到很大作用，其主要原因是由于它隱藏了BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與分析所需眾多的函數(shù)，本文列舉以下幾種常用的函數(shù)，詳見表1。

表1 MATLAB的神經(jīng)網(wǎng)絡(luò)工具提供的BP網(wǎng)絡(luò)函數(shù)明細(xì)表Table 1 The specification of BPnetwork functions from MATLAB neural network

4 結(jié)語

本文首先論述房地產(chǎn)價(jià)格評(píng)估指標(biāo)體系與措施等理論，然后分析BP神經(jīng)網(wǎng)絡(luò)構(gòu)成原理，最后從房地產(chǎn)批量評(píng)估流程、房地產(chǎn)批量評(píng)估的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、以及MATLAB的房地產(chǎn)估價(jià)神經(jīng)網(wǎng)絡(luò)模型的實(shí)施等方面詳細(xì)論證我國房地產(chǎn)批量評(píng)估的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建。

[1]王欣萍,孫昕,孫堯.基于BP人工神經(jīng)網(wǎng)絡(luò)模型構(gòu)建電子病歷系統(tǒng)的數(shù)據(jù)分析[J].中國組織工程研究與臨床康復(fù),2011,15(35):6592-6595

[2]莫連光,洪源.基于RS-GA-BP神經(jīng)網(wǎng)絡(luò)的住宅房地產(chǎn)估價(jià)模型與應(yīng)用[J].湖南城市學(xué)院學(xué)報(bào):自然科學(xué)版,2013,22(4):41-46

[3]莫連光.房地產(chǎn)稅開征背景下商業(yè)房地產(chǎn)價(jià)格估算——基于改進(jìn)的粒子群算法[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào),2014(4):38-43

[4]竇艷杰.房地產(chǎn)估價(jià)機(jī)構(gòu)誠信評(píng)價(jià)體系研究——兼論基于AHP-BP神經(jīng)網(wǎng)絡(luò)的誠信評(píng)價(jià)模型[J].天津商務(wù)職業(yè)學(xué)院學(xué)報(bào),2015(6):23-27

[5]郁振華.我國房地產(chǎn)批量評(píng)估技術(shù)研巧[D].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué),2013

The Establishment of BP Neural Network Model for Real Estate Evaluation

WANG Rui
1.School of Economics&Management/Fuzhou University,Fuzhou 350106,China
2.College of Business Administration/Fujian Jiangxia University,Fuzhou 350108,China

With the rapid development of the real estate market and the lack of scientific evaluation methods in the real estate appraisal industry,it is difficult to guarantee the quality of the evaluation.In this paper,by using BP neural network method to construct the mapping relationship between the factors of real estate prices and related effects,put forward a kind of real estate evaluation model.It can improve the convergence speed of BPNN by optimizing the weights and threshold,which can solve the local minima problem,and provides a new way to improve the accuracy and effectiveness of the real estate appraisal.

Real estate;assessment;BP neural network model

F293.35

A

1000-2324(2016)06-0953-04

2016-10-19

2016-12-03

汪瑞(1984-),女,在讀博士,講師,主要研究方向?yàn)楣芾頉Q策與對(duì)策，二手房市場(chǎng)研究.E-mail:winrui_2007@163.com