隨著我國城鎮(zhèn)化進(jìn)程不斷推進(jìn),城市土地經(jīng)濟(jì)在國民經(jīng)濟(jì)中占比越來越重,其核心是城市住宅地價,因此對城市住宅地價準(zhǔn)確、及時地評估具有重要現(xiàn)實意義。傳統(tǒng)城市住宅地價評估方法具有周期長、低效率、誤差大等缺點。住宅地價數(shù)據(jù)常具有不平衡性、數(shù)據(jù)量小等缺陷,因此提出一種適合住宅地價數(shù)據(jù)特征的快速評估方法很有必要。本論文針對住宅地價數(shù)據(jù)總量少、類別分布不平衡等缺陷,提出一種基于遷移學(xué)習(xí)的地價特征提取方法,并使用不同的地價評估模型進(jìn)行精度評定,探索出適合地價評估的模型與方法。本論文主要研究工作如下:(1)針對傳統(tǒng)的地價特征選取不足性以及特征量化主觀性,本論文從商業(yè)、交通、教育、基礎(chǔ)設(shè)施、環(huán)境以及其他綜合因素入手,構(gòu)建了覆蓋面廣的住宅地價影響因子體系。并結(jié)合各影響因子的特點及其與住宅地價的關(guān)系,建立了深圳市住宅地價因子量化體系。(2)本論文提出了一種解決訓(xùn)練數(shù)據(jù)總量小的特征提取算法。通過引入遷移學(xué)習(xí)技術(shù),考慮房價特征與地價特征相關(guān)性,將房價特征遷移到住宅地價特征提取中,解決了原來地價數(shù)據(jù)總量小、特征提取困難等問題,實現(xiàn)對住宅地價的高精度評估。(3)在使用主成分分析方法提取地價特征過程中,本論文改變了慣用特征值大于1的主成分選取方式,采用對不同主成分進(jìn)行交叉驗證的方式,探索出適合住宅地價分類的主成分。(4)根據(jù)本論文提出的遷移學(xué)習(xí)特征提取方法,首先基于房價數(shù)據(jù)和深度置信網(wǎng)絡(luò)(DBN)進(jìn)行特征提取器訓(xùn)練,然后使用房價DBN模型進(jìn)行地價特征提取,最后選取了三種常用的地價分類模型(支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林)對提取的地價特征進(jìn)行分類精度分析,驗證了基于遷移學(xué)習(xí)住宅地價特征提取算法的有效性,得出了隨機(jī)森林分類模型更適合于城市住宅地價分類評估的結(jié)論。本論文對住宅地價特征提取方法進(jìn)行改進(jìn),實驗結(jié)果表明基于遷移學(xué)習(xí)的地價特征提取算法較常用的主成分分析提取方法、線性歸一化方法具有更好分類精度,分別提高了10.9%和4.73%的平均精度,最優(yōu)的特征集分類精度達(dá)90.28%,因此,本論文提出的住宅地價評估算法能滿足實際地價評估精度。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F299.23;TP18
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及存在的問題
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 存在的問題
    1.3 研究內(nèi)容和技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 論文創(chuàng)新之處
    1.5 論文組織結(jié)構(gòu)
第二章 地價評估基本理論
    2.1 地價相關(guān)概念及理論
        2.1.1 網(wǎng)格地價理論
        2.1.2 區(qū)位地價理論
        2.1.3 土地供需地價理論
    2.2 主成分分析
    2.3 常用地價評估模型算法
        2.3.1 BP神經(jīng)網(wǎng)絡(luò)
        2.3.2 隨機(jī)森林
        2.3.3 支持向量機(jī)
    2.4 本章小結(jié)
第三章 住宅地價特征選取及量化
    3.1 研究區(qū)概況
        3.1.1 自然條件
        3.1.2 社會經(jīng)濟(jì)發(fā)展?fàn)顩r
        3.1.3 深圳土地市場發(fā)育概況
    3.2 住宅地價特征選擇
    3.3 住宅地價特征數(shù)據(jù)獲取
    3.4 特征量化
        3.4.1 房價和地價量化
        3.4.2 商業(yè)因素量化
        3.4.3 交通因素量化
        3.4.4 教育因素量化
        3.4.5 基礎(chǔ)設(shè)施因素量化
        3.4.6 環(huán)境因素量化
        3.4.7 其他因素量化
    3.5 本章小結(jié)
第四章 基于遷移學(xué)習(xí)城市住宅地價評估算法
    4.1 遷移學(xué)習(xí)理論
        4.1.1 遷移學(xué)習(xí)分類
        4.1.2 同構(gòu)遷移學(xué)習(xí)
        4.1.3 異構(gòu)遷移學(xué)習(xí)
        4.1.4 遷移學(xué)習(xí)在地價評估中的優(yōu)勢
    4.2 深度置信網(wǎng)絡(luò)
    4.3 房價與住宅地價關(guān)系
    4.4 基于遷移學(xué)習(xí)城市住宅地價評估算法
    4.5 本章小結(jié)
第五章 基于人工智能城市住宅地價評估模型構(gòu)建及結(jié)果分析
    5.1 數(shù)據(jù)預(yù)處理
        5.1.1 交叉驗證數(shù)據(jù)分組
        5.1.2 歸一化處理
        5.1.3 主成分分析數(shù)據(jù)處理
    5.2 基于遷移學(xué)習(xí)住宅地價特征提取
        5.2.1 房價DBN模型訓(xùn)練
            5.2.1.1 網(wǎng)絡(luò)輸入輸出層確定
            5.2.1.2 遷移學(xué)習(xí)DBN模型精度評定
        5.2.2 基于房價數(shù)據(jù)的地價特征提取
    5.3 基于BP神經(jīng)網(wǎng)絡(luò)地價評估模型構(gòu)建及分析
        5.3.1 網(wǎng)絡(luò)結(jié)構(gòu)確定
            5.3.1.1 網(wǎng)絡(luò)輸入層輸出層確定
            5.3.1.2 中間層確定
        5.3.2 訓(xùn)練參數(shù)選取
        5.3.3 實驗結(jié)果及分析
    5.4 基于SVM地價評估模型構(gòu)建及結(jié)果分析
        5.4.1 實驗環(huán)境選取
        5.4.2 SVM參數(shù)設(shè)置
        5.4.3 實驗過程及結(jié)果
        5.4.4 精度評估及檢驗
    5.5 基于隨機(jī)森林地價評估模型構(gòu)建及分析
        5.5.1 參數(shù)設(shè)置討論
        5.5.2 模型性能評判
        5.5.3 實驗結(jié)果分析
    5.6 模型對比及結(jié)果分析
    5.7 其他年份住宅地價評估
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
    發(fā)表的學(xué)術(shù)論文
    申請的專利
    申請的軟件著作權(quán)
攻讀碩士學(xué)位期間參與的項目

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘霖;馮長春;王乾;;北京市房價與地價的動態(tài)關(guān)系——基于結(jié)構(gòu)方程模型的實證分析[J];地理研究;2016年10期

2 張景祥;王士同;鄧趙紅;蔣亦樟;李奕;;融合異構(gòu)特征的子空間遷移學(xué)習(xí)算法[J];自動化學(xué)報;2014年02期

3 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2014年01期

4 顧燕萍;趙文杰;吳占松;;最小二乘支持向量機(jī)的算法研究[J];清華大學(xué)學(xué)報(自然科學(xué)版);2010年07期

5 柳小桐;;BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J];機(jī)械工程與自動化;2010年03期

6 李萬慶;張金水;孟文清;;基于小波神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價格指數(shù)預(yù)測研究[J];河北工程大學(xué)學(xué)報(自然科學(xué)版);2008年01期

7 焦利民;劉耀林;葉宗達(dá);;基于神經(jīng)網(wǎng)絡(luò)趨勢面分析的地價樣點檢驗方法研究[J];測繪信息與工程;2007年06期

8 潘昊,王曉勇,陳瓊,黃少鑾;基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用[J];計算機(jī)應(yīng)用;2005年12期

9 張蓬濤,楊紅;基于神經(jīng)網(wǎng)絡(luò)的基準(zhǔn)地價預(yù)測模型研究——以河北省主要城市為例[J];中國土地科學(xué);2000年05期

10 申玲,唐安淮;基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)市場比較法價格評估[J];系統(tǒng)工程理論與實踐;1998年05期

相關(guān)博士學(xué)位論文 前3條

1 龍明盛;遷移學(xué)習(xí)問題與方法研究[D];清華大學(xué);2014年

2 譚琦;面向跨領(lǐng)域文檔分類的異構(gòu)遷移學(xué)習(xí)算法研究[D];華南理工大學(xué);2013年

3 葉青;人工智能方法在估價領(lǐng)域的研究與應(yīng)用[D];華僑大學(xué);2011年

相關(guān)碩士學(xué)位論文 前7條

1 李琴;深圳市住宅地價影響因素空間量化分析[D];武漢大學(xué);2017年

2 吳國琴;遷移學(xué)習(xí)在圖像分類中的應(yīng)用研究[D];安徽大學(xué);2017年

3 胡秋豐;基于曲面擬合的基準(zhǔn)地價評估方法研究[D];天津商業(yè)大學(xué);2015年

4 張潔;基于GWR模型的城市住宅地價空間分異研究[D];浙江大學(xué);2012年

5 湯隆慧;基于跨領(lǐng)域的遷移學(xué)習(xí)算法研究[D];湖南大學(xué);2011年

6 章浩;基于格網(wǎng)單元的土地定級與基準(zhǔn)地價更新研究[D];福建師范大學(xué);2008年

7 陳郁;改進(jìn)的B-P神經(jīng)網(wǎng)絡(luò)在土地估價信息系統(tǒng)中的應(yīng)用研究[D];河南大學(xué);2007年

本文編號：2891530