基于模糊神经网络的市场比较法在土地估价中的应用.docVIP

基于模糊神经网络的市场比较法在土地估价中的应用 　　摘要：目前市场比较法在土地估价中应用比较广泛，但是存在很强的主观因素，因此在估价中带来了困难。本文提出运用模糊神经网络对土地进行估价分析，主要以市场比较法为理论基础，运用模糊理论和智能算法对其进行估价分析。 　　关键词：市场比较法 土地估价 土地评估 模糊神经网络 　　中图分类号：O29 文献标识码：A 文章编号：1007-9416（2013）07-0058-02 　　1 引言 　　进入新世纪，随着新型城镇化的发展和新农村建设的不断推进，我国逐步走上住房商品化道路，房地产市场加速发展，土地市场规模日益扩大，市场供需机制在资源配置中的核心地位基本确立。当前需要认真研究以下两方面的事情，一方面，从当前的数量变化检测为主的土地管理模式，如何转变到注重土地生态管理和质量变化监测；另一方面，从单纯的资源管理如何向资源和资产管理并重转变。故如何合理确定土地资产价格，对合理利用土地资源，提高土地利用效率，维护土地使用者权利，促进土地确权合理流转具有重要意义。然而，由于土地评估服务作为特殊的新兴服务行业，估价思想和估价方法体系不够成熟，还处于初始阶段，又由于我国经济体制的复杂性和地域差异性，导致目前估价方式侧重定性分析，注重对估价时点市场信息的把握，测算时很少采用数学模型，难免出现估价主观随意性，估价结果失真，估价结果悬殊，不能很好地反映市场情况，故目前土地估价领域急需探求一种客观、合理、有效的定性与定量相互结合的估价方法。 　　基于上述考虑，本文正是针对土地价格影响因素的复杂性，现行估价方法的不确定性以及部分定性因素的模糊性，将模糊数学理论和神经网络引入现行市场比较法进行定量模型对其进行估价分析，这将对我国土地评估方法的发展和完善将产生一定的推进作用。 　　2 模糊数学理论 　　1965年美国控制论学者L.A.扎德发表论文《模糊集合》，标志着这门模糊数学学科的诞生。现代数学建立在集合论的基础上。一组对象确定一组属性，人们可以通过指明属性来说明概念，也可以通过指明对象来说明。符合概念的那些对象的全体叫做这个概念的外延，外延实际上就是集合。一切现实的理论系统都有可能纳入集合描述的数学框架。经典的集合论只把自己的表现力限制在那些有明确外延的概念和事物上，它明确地规定：每一个集合都必须由确定的元素所构成，元素对集合的隶属关系必须是明确的。 　　例如康托尔集合论（Cantor′sSet），不能描述“亦此亦彼”现象。康托尔集合论要求其分类必须遵从形式逻辑的排中律，论域中的任一元素要么属于集合A，要么不属于集合A，两者必居其一，且仅居其一。这样，康托尔集合就只能描述外延分明的“分明概念”，只能表现“非此即彼”，而对于外延不分明的“模糊概念”则不能反映。对模糊性的数学处理是以将经典的集合论扩展为模糊集合论为基础的，乘积空间中的模糊子集就给出了一对元素间的模糊关系。对模糊现象的数学处理就是在这个基础上展开的。 　　本文采用模糊综合评价模型对各个指标进行评价，二级模糊综合评价需要经过以下步骤： 　　（1）把因素论域集合按某种属性划成个子集，，其中，。 　　（2）对每一个单因素，应该作出单因素综合评价，设评语的论域为，中各个因素的模糊权重向量为，的单因素评价结果为（行列），单级评价模型为，。 　　（3）对因素做二级综合评判，将每个视为的一个因素，将作为它的单因素评价向量，可得率属关系矩阵。 　　综合因素的模糊权向量为，则二级模糊综合评价模型为。 　　3 神经网络 　　网络是1986年由Rumelhart和McCelland提出，网络是一种按误差逆传播算法训练的多层前馈网络，能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，是目前应用最广泛的神经网络模型之一。 　　神经网络具有很强的自适应与自组织特性，对输入的数据和规则计算有很强的容错性和稳健型，因此用来评价项目成功度是可行的。主要步骤如下： 　　设有个样本向量，网络输入层神经元个数为，中间层神经元个数为，输出层神经元个数为，网络输入向量，输出向量，期望输出向量。为输入层到中间层的连接权，为中间层到输出层的连接权，为中间层单元的阙值，为输出层单元的阙值，其中，。 　　步骤1，对样本向量进行归一化处理，将数据处理为之间的数据，给权值和阙值赋予之间的随机初值，选取一组输入和目标样本提供给网络。 　　步骤2，计算隐含层和输出层各单元的输入和相应的输出。 　　步骤3，根据网络输出计算输出层和隐层误差。 　　步骤4，利用误差调整值对各层权值和阙值进行调整。，，，。 　　步骤5，选取下一个学习样本向量提供给网络，返回步骤2，直到全局误差小于预先设定值，则学习结束。 　　4 市场比较估价方法及指标