基于ACO-LS-SVM的房地產(chǎn)價格評估研究.pdf

1、房地產(chǎn)價格構(gòu)成復(fù)雜，形成過程中影響因素眾多且具有較大的隨機波動性，因此采用科學(xué)、有效的定價方法就顯得尤為重要。目前我國常用的幾種房地產(chǎn)估價方法是成本法、收益法和市場法。然而這些方法都存在一些不足，如市場比較法在選擇可比實例時過于簡單粗糙，系數(shù)修正過程無法用精確的數(shù)學(xué)語言定量描述，隨意性較大;成本分析法片面的以成本定價格，不能反映市場的供求規(guī)律;收益還原法在預(yù)測未來收益、費用等方面也存在較大不確定性和模糊性?？梢姡瑐鹘y(tǒng)的估價方法往往依靠房

2、地產(chǎn)估價師知識、經(jīng)驗積累的綜合判斷，存在較大的主觀性與隨意性。
　　針對傳統(tǒng)房地產(chǎn)估價方法存在的問題，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(ACO-LS-SVM)的商品住宅價格評估模型。支持向量機作為人工智能的一種新方法，能夠根據(jù)有限樣本的經(jīng)驗信息實現(xiàn)經(jīng)驗風(fēng)險和置信范圍的雙重最小化，在非線性、小樣本回歸函數(shù)擬合問題中以極高的擬合精度表現(xiàn)出了突出的優(yōu)勢。因而，本文著力探討了一種運用支持向量機方法，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)價格的各影響因素為自變量，房地產(chǎn)價格為因變量的多元非線性回歸函數(shù)逼近估價模型。
　　本文通過支持向量機(SVM)模型用于房地產(chǎn)估價的優(yōu)缺點分析，針對支持向量機內(nèi)存有限、運行速度慢等問題提出了運用最小二乘支持向量機(LS-SVM)加以改進;又考慮其參數(shù)不易選取的問題，提出了運用蟻群算法(ACO)進行優(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(ACO-LS-SVM)的房地產(chǎn)估價模型。在分析了建