基于人工神經(jīng)網(wǎng)絡(luò)的商服基準(zhǔn)地價(jià)評(píng)估研究

張軼瑩 霍明明 陳偉強(qiáng)

（河南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，河南鄭州 450002）

基于人工神經(jīng)網(wǎng)絡(luò)的商服基準(zhǔn)地價(jià)評(píng)估研究

張軼瑩 霍明明 陳偉強(qiáng)

（河南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，河南鄭州 450002）

根據(jù)基準(zhǔn)地價(jià)評(píng)估的特點(diǎn)，以商丘市為例，對(duì)人工神經(jīng)網(wǎng)絡(luò)在基準(zhǔn)地價(jià)評(píng)估中的應(yīng)用進(jìn)行了探索。以商業(yè)定級(jí)因子分值為自變量，以修正后的樣點(diǎn)地價(jià)為因變量，通過(guò)學(xué)習(xí)樣本訓(xùn)練，建立了商丘市商服基準(zhǔn)地價(jià)神經(jīng)網(wǎng)絡(luò)模型。經(jīng)驗(yàn)證，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)平均誤差為5.54%。根據(jù)商丘市6個(gè)商業(yè)服務(wù)用地級(jí)別的定級(jí)因子平均值，預(yù)測(cè)了各級(jí)別基準(zhǔn)地價(jià)，結(jié)果與實(shí)際地價(jià)結(jié)果基本一致，平均誤差僅為1.66%，與傳統(tǒng)方法——多元回歸分析法相比預(yù)測(cè)精度提高了4.72個(gè)百分點(diǎn)。說(shuō)明基于人工神經(jīng)網(wǎng)絡(luò)的城市基準(zhǔn)地價(jià)評(píng)估簡(jiǎn)便可行，比傳統(tǒng)方法更客觀。

基準(zhǔn)地價(jià) 人工神經(jīng)網(wǎng)絡(luò) 土地定級(jí) 估價(jià)模型

基準(zhǔn)地價(jià)是指在城市規(guī)劃區(qū)范圍內(nèi)，對(duì)現(xiàn)狀利用條件下不同級(jí)別或不同均質(zhì)地域的土地，按照商業(yè)、居住、工業(yè)等用途，分別評(píng)估確定的某一估價(jià)期日土地使用權(quán)區(qū)域的平均價(jià)格［1］。常用的基準(zhǔn)地價(jià)評(píng)估方法有市場(chǎng)比較法、收益還原法、剩余法、成本法。常用的方法雖然在城鎮(zhèn)基準(zhǔn)地價(jià)的評(píng)估中占據(jù)主導(dǎo)地位，但其過(guò)程比較復(fù)雜，數(shù)據(jù)涉及的領(lǐng)域較多，所需要采集的地價(jià)樣本量大，造成效率不高，不僅費(fèi)時(shí)費(fèi)力，而且也增加了評(píng)估成本。為了提高評(píng)估效率，降低評(píng)估成本，因此，需要引入一種更好的方法來(lái)準(zhǔn)確預(yù)測(cè)城市基準(zhǔn)地價(jià)?；鶞?zhǔn)地價(jià)作為政府宏觀調(diào)控土地需求的主要手段之一，如何在快速、準(zhǔn)確、高效地進(jìn)行基準(zhǔn)地價(jià)的更新評(píng)估的同時(shí)，保證基準(zhǔn)地價(jià)評(píng)估的精度，已成為當(dāng)今國(guó)土管理部門(mén)十分關(guān)注的問(wèn)題。

表1 網(wǎng)絡(luò)訓(xùn)練樣本

表2 驗(yàn)證樣本

表3 不同商服用地級(jí)別定級(jí)因子平均分值表

圖1 BP網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練基本步驟

表4 商丘市商服用地基準(zhǔn)地價(jià)預(yù)測(cè)表 單位：元/m2

圖2 網(wǎng)絡(luò)訓(xùn)練誤差曲線

1 理論基礎(chǔ)［2-8］

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Net Work，簡(jiǎn)稱ANN）是一種信息處理系統(tǒng)，其模型是由多個(gè)基本單元以某種規(guī)則連接而成的層次網(wǎng)絡(luò)結(jié)構(gòu)。它以基本單元模擬生物大腦中的神經(jīng)元，通過(guò)單元間信息的相互傳遞來(lái)模擬大腦神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、記憶、推理、歸納等功能。其優(yōu)點(diǎn)在于不需要設(shè)計(jì)任何數(shù)學(xué)模型，只需靠過(guò)去的經(jīng)驗(yàn)來(lái)學(xué)習(xí)，具較強(qiáng)的容錯(cuò)性，對(duì)不完全信息、帶噪音的信息具良好的適應(yīng)性，對(duì)非線性關(guān)系的模擬更具優(yōu)越性。目前神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于智能識(shí)別、自動(dòng)控制、圖像與語(yǔ)言處理等方面，而預(yù)測(cè)評(píng)估也是其重要的應(yīng)用領(lǐng)域之一。人工神經(jīng)網(wǎng)絡(luò)的種類(lèi)很多，BP神經(jīng)網(wǎng)絡(luò)就是最具代表性、應(yīng)用最廣泛、效果最好的方法之一。因?yàn)锽P神經(jīng)網(wǎng)絡(luò)能夠調(diào)整權(quán)值，使網(wǎng)絡(luò)總誤差最小，同時(shí)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程也是一種誤差邊向后傳播邊修正權(quán)系數(shù)的過(guò)程。

BP神經(jīng)網(wǎng)絡(luò)又稱誤差反向神經(jīng)網(wǎng)絡(luò)，屬于向前多層傳播、有導(dǎo)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，由大量簡(jiǎn)單的處理單元（神經(jīng)元）廣泛互連形成的復(fù)雜的非線性系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)模型通常由輸入層、包含一層或多層的隱含層和輸出層組成，同層各神經(jīng)元互不連接，相鄰層的神經(jīng)元通過(guò)權(quán)連接。

針對(duì)含有m個(gè)樣本的訓(xùn)練集，BP網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的基本步驟，如圖1所示：

（1）初始化。設(shè)置各個(gè)權(quán)值 Wij和閾值jθ的初始值，并保證這些值在（0，1）范圍內(nèi)，同時(shí)設(shè)置最大迭代次數(shù)M（M＞m）和目標(biāo)誤差；

（6）樣本經(jīng)過(guò)反復(fù)訓(xùn)練，當(dāng)達(dá)到最大迭代次數(shù)M時(shí)，網(wǎng)絡(luò)不收斂；或者訓(xùn)練誤差小于等于目標(biāo)誤差時(shí)，網(wǎng)絡(luò)收斂時(shí)，就達(dá)到期望效果，得到輸出向量，則訓(xùn)練結(jié)束。

2 研究思路

本文利用人工神經(jīng)網(wǎng)絡(luò)研究基準(zhǔn)地價(jià)的基本思路：首先，根據(jù)地價(jià)樣點(diǎn)圖與各定級(jí)因子圖之間的空間關(guān)系，得到地價(jià)與定級(jí)因子間的關(guān)系表，抽取商業(yè)地價(jià)記錄作為神經(jīng)網(wǎng)格學(xué)習(xí)樣本；其次，以各定級(jí)因子的作用分值為自變量，修正后的地價(jià)為因變量，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；第三，利用未進(jìn)入學(xué)習(xí)樣本的地價(jià)樣點(diǎn)，驗(yàn)證網(wǎng)絡(luò)模型精度；最后，利用神經(jīng)網(wǎng)絡(luò)模型評(píng)估不同級(jí)別的基準(zhǔn)地價(jià)。

3 實(shí)例驗(yàn)證——以商丘市為例

3.1 數(shù)據(jù)來(lái)源

（1）商丘市2013年城鎮(zhèn)商業(yè)定級(jí)數(shù)據(jù)。具體包括商服繁華影響度分值圖、道路通達(dá)度分值圖、公交便捷度分值圖、對(duì)外交通便利度分值圖、作用分值完備度分值圖和人口密度分值圖，數(shù)據(jù)格式為10m× 10m的ArcGIS軟件的柵格數(shù)據(jù)。

（2）商丘市2013年城鎮(zhèn)商業(yè)地價(jià)樣點(diǎn)數(shù)據(jù)。主要包括土地出讓、出租、轉(zhuǎn)讓等地價(jià)調(diào)查樣點(diǎn)。地價(jià)樣點(diǎn)按照基準(zhǔn)地價(jià)內(nèi)涵進(jìn)行修正，即估價(jià)基準(zhǔn)日為2013年1月1日，通路、通電、通訊、通上水、通下水、通氣及土地平整的六通一平開(kāi)發(fā)標(biāo)準(zhǔn)，土地容積率為2.2，土地出讓年限為40年。地價(jià)樣點(diǎn)數(shù)據(jù)格式為ArcGIS的Shape點(diǎn)數(shù)據(jù)圖層。

3.2 選取學(xué)習(xí)樣本

影響樣本的因素包括一般因素、區(qū)域因素和個(gè)別因素。由于預(yù)測(cè)的宗地都位于商丘市，一般因素都相同，不需要考慮；土地級(jí)別綜合反映了土地的自然條件和區(qū)位條件，能反映出土地的區(qū)域差異，因此可以用土地級(jí)別來(lái)區(qū)分區(qū)域因素［9］。由于土地用于商業(yè)，商服繁華度和交通便捷度對(duì)商業(yè)的影響較大，同時(shí)設(shè)施完善度和對(duì)外便捷度對(duì)商業(yè)的開(kāi)發(fā)成本影響較大，進(jìn)而影響價(jià)格，綜合以上分析這里選取的個(gè)別因素主要有：商服繁華度、公交便捷度、基礎(chǔ)設(shè)施完善度、對(duì)外交通便利度、道路通達(dá)度、人口密度。

將地價(jià)與定級(jí)因子關(guān)系表中數(shù)據(jù)導(dǎo)入MATLAB軟件中，從200多個(gè)樣本中剔除存在明顯錯(cuò)誤的數(shù)據(jù)，隨機(jī)選取了61個(gè)商業(yè)地價(jià)樣本，用于BP神經(jīng)網(wǎng)絡(luò)建模。將學(xué)習(xí)樣本分為訓(xùn)練樣本和測(cè)試樣本兩類(lèi)，前55個(gè)樣本點(diǎn)為訓(xùn)練樣本，后6個(gè)樣本點(diǎn)為測(cè)試樣本。為了充分發(fā)揮BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)功能，提高其輸出精度，需將輸入數(shù)據(jù)作歸一化處理，一般將輸入量歸一化到［0，1］區(qū)間［10］。

式中： I為標(biāo)準(zhǔn)化后商丘市某因素的指標(biāo)值， Xi為標(biāo)準(zhǔn)化前商丘市某因素 Xi的指標(biāo)值， Xmin為標(biāo)準(zhǔn)化前商丘市某因素指標(biāo)的最小值， Xmax為標(biāo)準(zhǔn)化前某因素指標(biāo)的最大值。其具體情況如表l所示：

3.3 建立神經(jīng)網(wǎng)絡(luò)模型

M A T L A B軟件提供了強(qiáng)大的神經(jīng)網(wǎng)絡(luò)工具箱，本研究利用MATLAB2012軟件系統(tǒng)進(jìn)行建模。理論上已經(jīng)證明，具有一個(gè)隱含層的三層網(wǎng)格可以逼近任意非線性函數(shù)，因此將網(wǎng)絡(luò)設(shè)置為三層。將6個(gè)影響因子的作用分值作為輸人層神經(jīng)元，即自變量，將樣點(diǎn)地價(jià)作為輸出層神經(jīng)元，即因變量。隱含層神經(jīng)元數(shù)的選取是比較重要的，也是比較困難的問(wèn)題，神經(jīng)元太少，則網(wǎng)絡(luò)學(xué)習(xí)效果較差，且網(wǎng)絡(luò)訓(xùn)練次數(shù)增加；神經(jīng)元個(gè)數(shù)太多，則訓(xùn)練時(shí)間較長(zhǎng)，且可能出現(xiàn)網(wǎng)絡(luò)不收斂的情況，在本模型建立過(guò)程中經(jīng)過(guò)多次調(diào)試對(duì)比，當(dāng)選取4個(gè)隱含層神經(jīng)元時(shí)，網(wǎng)絡(luò)的收斂速度比較快，因此隱含層神經(jīng)元數(shù)設(shè)置為4。隱含層中的神經(jīng)元采用S型激發(fā)函數(shù)，輸出層傳遞函數(shù)采用Purelin線性傳遞函數(shù)，其參數(shù)設(shè)置為0.9，最小訓(xùn)練速率為0.05，動(dòng)態(tài)參數(shù)0.8，訓(xùn)練的目標(biāo)誤差為0.005，訓(xùn)練步長(zhǎng)為500。經(jīng)過(guò)55個(gè)訓(xùn)練樣本的訓(xùn)練，并由系統(tǒng)不斷地自動(dòng)調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值，最后得到誤差滿足精度要求的估價(jià)神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖2所示。

3.4 網(wǎng)格模型驗(yàn)證

將這6個(gè)測(cè)試樣本的基準(zhǔn)地價(jià)定級(jí)因子輸入神經(jīng)網(wǎng)絡(luò)模型，由神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出地價(jià)，通過(guò)與實(shí)際地價(jià)比較，判斷神經(jīng)網(wǎng)絡(luò)是否具有推廣能力。結(jié)果如表2所示，可以看出，用BP神經(jīng)網(wǎng)絡(luò)模型模擬的基準(zhǔn)地價(jià)和驗(yàn)證樣本點(diǎn)的結(jié)果是比較吻合的，其中最大誤差為8.99%，最小誤差為2.84%，平均誤差為5.62%，預(yù)測(cè)精度在90%以上。

3.5 基準(zhǔn)地價(jià)評(píng)估

商丘市商服用地定級(jí)工作中，將城市用地劃分為6個(gè)級(jí)別，利用ArcGIS系統(tǒng)的分區(qū)統(tǒng)計(jì)功能，分別統(tǒng)計(jì)6個(gè)商服用地級(jí)別的商服繁華影響度、公交便捷度、基礎(chǔ)設(shè)施完善度、對(duì)外交通便利度、道路通達(dá)度、人口密度等6個(gè)定級(jí)因子的平均值，如表3所示，隨商服用地級(jí)別從高到低變化，各級(jí)定因子分值均呈逐步減少的趨勢(shì)。

將表3中各級(jí)別的因子平均分值代入神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行基準(zhǔn)地價(jià)模擬預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與商丘市用傳統(tǒng)方法——多元回歸分析法確定的基準(zhǔn)地價(jià)結(jié)果對(duì)比分析，結(jié)果如表4所示。從表4可以看出，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基準(zhǔn)地價(jià)隨土地級(jí)別降低而下降，對(duì)傳統(tǒng)方法計(jì)算的結(jié)果基本一致，誤差百分比最大的為六級(jí)用地，達(dá)到3.76%，最小的為二級(jí)用地，僅為0.30%，整體平均值為1.66%，誤差百分比整體呈現(xiàn)二、三、四級(jí)小，一、五、六大的趨勢(shì)，這與神經(jīng)網(wǎng)絡(luò)建模的學(xué)習(xí)樣本有關(guān)，神經(jīng)網(wǎng)絡(luò)建模的學(xué)習(xí)樣本主要分布在二、三、四級(jí)用地區(qū)域中。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值整體比傳統(tǒng)方法計(jì)算值偏小，經(jīng)調(diào)查分析發(fā)現(xiàn)，商丘市基準(zhǔn)地價(jià)在進(jìn)行區(qū)域地價(jià)平衡時(shí)，進(jìn)行了人為的上調(diào)。經(jīng)過(guò)以上分析可以看出，基于BP神經(jīng)網(wǎng)絡(luò)的基準(zhǔn)地價(jià)評(píng)估達(dá)到了較高的精度，該方法在基準(zhǔn)地價(jià)評(píng)估中，有很高的應(yīng)用價(jià)值。

4 結(jié)論及分析

本文以商丘市商服用地為例，開(kāi)展了人工神經(jīng)網(wǎng)絡(luò)建模與應(yīng)用研究，結(jié)果表明：

（1）利用3層神經(jīng)網(wǎng)絡(luò)，4個(gè)隱含層神經(jīng)元時(shí)，網(wǎng)絡(luò)可以快速收斂，通過(guò)地價(jià)樣點(diǎn)驗(yàn)證，模型平均誤差為5.54%，達(dá)到了較高的精度。

（2）將建立的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于商服基準(zhǔn)地價(jià)評(píng)估，與實(shí)際地價(jià)結(jié)果基本一致，平均誤差僅為1.66%。多元回歸分析法預(yù)測(cè)的結(jié)果與實(shí)際值的相對(duì)誤差為5.54%，預(yù)測(cè)精度提高了4.72個(gè)百分點(diǎn)。

本文的研究實(shí)例充分說(shuō)明，將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用于基準(zhǔn)地價(jià)評(píng)估的實(shí)踐中，是切實(shí)可行的。隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展和完善，可以預(yù)見(jiàn)其應(yīng)用將會(huì)得到實(shí)現(xiàn)和推廣。

本文僅選取城市商業(yè)用地中部分樣本進(jìn)行了建模分析和研究，存在樣本量小、土地區(qū)域或地價(jià)范圍有限等局限性，對(duì)于大樣本、多級(jí)別、大范圍的土地估價(jià)模型的建立和應(yīng)用，還有待進(jìn)一步深入探討和研究。

［1］中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.城鎮(zhèn)土地估價(jià)規(guī)程（GB/T18508-2001）［S］.北京：中國(guó)標(biāo)準(zhǔn)出版社，2002.

［2］葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)［M］.北京：電子工業(yè)出版社，2008，269～311.

［3］王小川，史風(fēng).MATLAB神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2013，1～32.

［4］張威.MATLAB基礎(chǔ)與編程入門(mén)［M］.西安：西安電子科技大學(xué)出版社，2013，48～132.

［5］袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，1988.

［6］夏建國(guó)，申文金.基于BP神經(jīng)網(wǎng)絡(luò)的征地區(qū)片綜合地價(jià)評(píng)估［J］.經(jīng)濟(jì)地理，2007，27（6）.

［7］王勝武，鄭新奇.基于神經(jīng)網(wǎng)絡(luò)的宗地地價(jià)評(píng)估探析［J］.山東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，21（4）.

［8］吳明發(fā)，陳美球.基于GIS的神經(jīng)網(wǎng)絡(luò)法在宗地地價(jià)評(píng)估中的應(yīng)用［J］.華南熱帶農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007，13（1）.

［9］孫曉，劉文鍇.基于人工神經(jīng)網(wǎng)絡(luò)的地價(jià)評(píng)估系統(tǒng)［J］.焦作工學(xué)院學(xué)報(bào)（自然科學(xué)版），2003，22（2）.

［10］吳迪軍，劉耀林，黃全義.城鎮(zhèn)基準(zhǔn)地價(jià)評(píng)估的人工神經(jīng)網(wǎng)絡(luò)模型研究［J］.測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2007，4.

張軼瑩（1988—），女，河南鄭州人，碩士研究生，研究方向?yàn)橥恋毓纼r(jià)與地理信息系統(tǒng)。

霍明明（1989—），女，河南鄭州人，碩士研究生，研究方向?yàn)橥恋毓纼r(jià)與土地利用規(guī)劃。