基于GIS技术的房地产估价系统的研究

首先分析了一般的房地产估价系统存在的问题,提出了以GIS技术为基础建设房地产估价信息系统,具体分析了系统建设的可行性、系统结构、系统功能和系统开发方式.基于GIS技术的房地产估价信息系统(REA-GIS)的建立将为房地产估价体系提供一种新的思路、技术和方法.     

基于相关性分析的GRNN在房地产估价中的应用

介绍了广义回归神经网络的原理,利用深圳市景田区房地产数据建立价格预测模型。为减少房地产估价过程中人为因素的影响,先从选取的12种影响因子分别对房地产价格做相关性分析,然后选出影响因子显著的6个作为网络输入。通过与传统的BP神经网络作比较,优化网络输入后的GRNN的预测效果更好,更有利于房地产市场的估计分析。     

基于空间数据挖掘技术的房地产估价系统设计与研究

介绍了空间数据挖掘技术和研发现状,通过研究指出了房地产估价系统与空间数据挖掘技术的集成模式,提出基于空间数据挖掘技术的房地产估价系统的解决方案,也是房地产估价系统的研究热点和趋势.     

GIS技术在房地产估价中的实践与应用

房地产行业的不断发展,房地产估价业务量日趋增多,估价的覆盖范围更加广泛,估价的难度、复杂度也越来越大,文章从房地产估价的特点及存在的问题出发,研究探讨将地理信息系统（GIS）应用于房地产估价系统的必要性及可行性,提出GIS房地产估价系统的主要功能模块,该系统对房地产估价业乃至整个房地产市场的发展必产生积极作用。     

房地产估价方法与应用

本文针对目前国内外房地产估价现状，较系统地研究了房地产估价的理论、方法与应用，内容包括传统房地产估价方法的系统分析、基于人工神经网络的建筑物成新度和土地资本化率评估、基于模糊数学的市场比较法、基于灰色系统理论的假设开发法以及房地产估价方法的综合应用——基准地价评估。 　　1. 尽管三大估价方法的评估角度不同，但相互之间仍存在一定的关联性。采用三角形分布对由三大估价方法得到的评估值进行概率估计，可以反映评估值在市场上实现的大小及其可能性，这比只提供一个确定的评估值要客观、全面得多，对于房地产开发项目决策很有参考价值。由于土地使用制度不同，我国与国外房地产估价在土地使用年期、折旧、资本化率诸方面存在较大的差异。此外，在估价技术上也存在差距，也应引起足够重视。 　　2. 本文首次尝试用人工神经网络模型来评估建筑物的成新度，比传统的实际观察方法准确又简便，具有广阔的应用前景。人工神经网络模型是动态的，随着今后样本数量的增加，通过网络的自学习，不断加强网络的学习能力与训练水平，形成更加完整的系统，从而可以进一步提高测试的精度和扩大评估范围，同时不需要改变网络本身的结构。     

房地产整体估价中价格关联体系建立的新方法

针对传统的房地产整体估价系统中的价格关联体系存在矛盾并且受到人为因素影响较大的问题,该文提出了一种基于平差模型的价格体系建立算法。利用平差模型建立价格关联体系,解决了传统方法建立的价格体系的内部矛盾,减弱了房地产估价多因素定量分析过程中的人为因素影响,提高整体估价模型的可靠性。基于房地产实测数据的实验结果表明:利用平差模型建立整体估价的价格关联体系,增强了房地产整体估价体系的适用性,进一步实现房价快速、科学的评估。     

Web GIS及其在房地产估价中的应用展望

Web GIS是地理信息系统(GIS)未来发展的主要方向和研究热点,结合我国房地产估价现状和特点,本文从理论上探讨了将Web GIS应用于房地产估价中的前景。通过可行性分析,认为构建基于Web GIS技术的“数字化房地产”将是未来房地产业信息化的重要内容。     

融GIS和BP神经网络的住宅房产评估模型

针对房产税征收对住宅房产价格批量评估的需求问题,该文提出融合GIS和BP神经网络的住宅房产批量评估模型。该模型以特征价格理论为依据,利用GIS数据分析方法构建了16个住宅房产价格的影响因子及量化指标,对房产交易案例库及待估房产进行批量量化,然后利用BP神经网络挖掘房产估价因子与价格之间的对应关系,对量化的待估房产进行批量评估,并开发了相应的软件系统。该文以赣州市章贡区10处待估房产为例,对模型进行验证。结果表明,估算出的房产价格与实际成交价格接近,模型具有较高准确性。     

基于神经网络的变形预报方法研究

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

关于不动产评估3维教学系统建设的思考

不动产评估教学中,受评估对象及评估信息的限制,学生要理解和掌握好不动产评估的原理和方法并非易事。为形象、具体地讲授不动产估价方法,本文提出在不动产评估教学实践中,引入“3D GIS”技术,建设不动产评估3维教学系统,发挥“3D GIS”技术可视化效果强、信息集成度高且交互方便的优点,模拟不动产评估实践,强化参与性与互动性,对学生未来就业与工作,学校培养创新型人才都具有现实意义。     

城镇基准地价评估的人工神经网络模型研究

在我国的城镇基准地价评估中,通常采用回归统计模型。这类模型属确定型数学模型,受主观影响较大,不能全面准确地模拟地价与其影响因素之间复杂的非线性关系,且评估工作量大,不易实现评估自动化。在此探讨了应用人工神经网络技术建立城镇基准地价评估模型的理论、方法和步骤,分析和研究了模型优化方法,并通过实例验证了模型的适用性和可靠性。研究表明,3层结构的基于误差反传算法的BP网络模型,能较好地模拟城镇基准地价与其影响因素之间的复杂关系。     

基于天地图的房产智能评估系统设计与实现

针对传统房产评估存在的不足,本文将互联网与房产评估相结合,建立房产评估门户网站,通过互联网、大数据实现房产评估的自动化、智能化。同时将房产评估与GIS相结合,引入天地图,利用其提供的地理信息和服务编程接口,实现地理位置可视化、用户定位、路线规划等功能,解决了房地产评估只能依赖评估师的现状,减少了传统房产评估所产生的人为误差,提高了房产评估的效率。同时,丰富的地图服务为用户、房屋经理人提供了基于地理位置的房产评估智能平台。     

利用数码相机进行房产测量初探

现有房产基础图获取方法存在精度不高,设备比较昂贵,观测时易受大树、高大建筑物遮挡和干扰等不足。文章采用少量地面控制信息和数码相机获取的房屋序列影像,充分利用房屋上丰富的点、直线信息来进行半自动房屋角点坐标的量测。     

Landslide Susceptibility Zonation through ratings derived from Artificial Neural Network

In the present study, Artificial Neural Network (ANN) has been implemented to derive ratings of categories of causative factors, which are then integrated to produce a landslide susceptibility zonation map in an objective manner. The results have been evaluated with an ANN based black box approach for Landslide Susceptibility Zonation (LSZ) proposed earlier by the authors. Seven causative factors, namely, slope, slope aspect, relative relief, lithology, structural features (e.g., thrusts and faults), landuse landcover, and drainage density, were placed in 42 categories for which ratings were determined. The results indicate that LSZ map based on ratings derived from ANN performs exceedingly better than that produced from the earlier ANN based approach. The landslide density analysis clearly showed that susceptibility zones were in close agreement with actual landslide areas in the field.     

基于退火BP神经网络的GPS高程转换

阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性。     

基于倾斜摄影和LiDAR融合的不动产测量应用研究

依托陕南某地地籍和不动产权籍调查项目,提出了一种结合地面三维激光扫描技术和倾斜摄影测量技术的混合作业新方案.两种技术的融合大大的提高了工作效率(数据获取速度是传统作业速度4倍以上)及数据采集精度(界址点误差小于3公分),满足对复杂空间权利的不动产权籍管理和登记需求.