基于ACO-LS-SVM的房地產(chǎn)價(jià)格評(píng)估研究.pdf

1、房地產(chǎn)價(jià)格構(gòu)成復(fù)雜，形成過(guò)程中影響因素眾多且具有較大的隨機(jī)波動(dòng)性，因此采用科學(xué)、有效的定價(jià)方法就顯得尤為重要。目前我國(guó)常用的幾種房地產(chǎn)估價(jià)方法是成本法、收益法和市場(chǎng)法。然而這些方法都存在一些不足，如市場(chǎng)比較法在選擇可比實(shí)例時(shí)過(guò)于簡(jiǎn)單粗糙，系數(shù)修正過(guò)程無(wú)法用精確的數(shù)學(xué)語(yǔ)言定量描述，隨意性較大;成本分析法片面的以成本定價(jià)格，不能反映市場(chǎng)的供求規(guī)律;收益還原法在預(yù)測(cè)未來(lái)收益、費(fèi)用等方面也存在較大不確定性和模糊性?？梢?jiàn)，傳統(tǒng)的估價(jià)方法往往依靠房

2、地產(chǎn)估價(jià)師知識(shí)、經(jīng)驗(yàn)積累的綜合判斷，存在較大的主觀性與隨意性。
　　針對(duì)傳統(tǒng)房地產(chǎn)估價(jià)方法存在的問(wèn)題，本文提出了一種基于蟻群算法優(yōu)化的最小二乘支持向量機(jī)(ACO-LS-SVM)的商品住宅價(jià)格評(píng)估模型。支持向量機(jī)作為人工智能的一種新方法，能夠根據(jù)有限樣本的經(jīng)驗(yàn)信息實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的雙重最小化，在非線性、小樣本回歸函數(shù)擬合問(wèn)題中以極高的擬合精度表現(xiàn)出了突出的優(yōu)勢(shì)。因而，本文著力探討了一種運(yùn)用支持向量機(jī)方法，以待估房地產(chǎn)與類似交易

3、案例的數(shù)據(jù)為基礎(chǔ)，建立以房地產(chǎn)價(jià)格的各影響因素為自變量，房地產(chǎn)價(jià)格為因變量的多元非線性回歸函數(shù)逼近估價(jià)模型。
　　本文通過(guò)支持向量機(jī)(SVM)模型用于房地產(chǎn)估價(jià)的優(yōu)缺點(diǎn)分析，針對(duì)支持向量機(jī)內(nèi)存有限、運(yùn)行速度慢等問(wèn)題提出了運(yùn)用最小二乘支持向量機(jī)(LS-SVM)加以改進(jìn);又考慮其參數(shù)不易選取的問(wèn)題，提出了運(yùn)用蟻群算法(ACO)進(jìn)行優(yōu)化，經(jīng)整合建立了基于蟻群算法優(yōu)化的最小二乘支持向量機(jī)(ACO-LS-SVM)的房地產(chǎn)估價(jià)模型。在分析了建