| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外文献综述 | 第11-14页 |
| 1.2.1 税基批量评估的研究现状 | 第11-12页 |
| 1.2.2 人工智能在批量评估中的研究现状 | 第12-14页 |
| 1.3 主要研究内容及框架 | 第14-16页 |
| 1.4 研究方法和技术路线 | 第16-18页 |
| 1.4.1 研究方法 | 第16页 |
| 1.4.2 技术路线 | 第16-18页 |
| 第二章 理论基础与方法分析 | 第18-30页 |
| 2.1 房地产税基评估的理论基础 | 第18-20页 |
| 2.1.1 房地产税基评估的概念界定 | 第18页 |
| 2.1.2 评估对象和价值类型 | 第18-19页 |
| 2.1.3 基本方法及其局限性 | 第19-20页 |
| 2.2 房地产税基批量评估方法 | 第20-22页 |
| 2.2.1 批量评估技术的定义 | 第20-21页 |
| 2.2.2 批量评估的特点 | 第21页 |
| 2.2.3 批量评估模型的对比 | 第21-22页 |
| 2.3 灰色关联分析理论 | 第22-24页 |
| 2.3.1 灰色关联分析的基本概述 | 第22页 |
| 2.3.2 关联度的概念 | 第22-24页 |
| 2.4 神经网络 | 第24-28页 |
| 2.4.1 人工神经网络的基础知识 | 第24-25页 |
| 2.4.2 BP神经网络的基本理论 | 第25-28页 |
| 2.5 遗传算法 | 第28-30页 |
| 2.5.1 遗传算法的基本原理 | 第28-29页 |
| 2.5.2 遗传算法的基本流程 | 第29-30页 |
| 第三章 基于灰色关联分析的居民住宅价格影响因素研究 | 第30-42页 |
| 3.1 灰色关联分析理论在房地产评估中的可行性 | 第30页 |
| 3.2 灰色关联分析理论用于房地产评估的具体步骤 | 第30-31页 |
| 3.3 居民住宅价格影响因素分析与量化 | 第31-35页 |
| 3.3.1 居民住宅价格影响因素分析 | 第31-32页 |
| 3.3.2 居民住宅价格影响因素量化 | 第32-35页 |
| 3.4 构建居民住宅评估指标体系 | 第35-41页 |
| 3.4.1 数据归一化处理 | 第38页 |
| 3.4.2 求差序列及两级差 | 第38-39页 |
| 3.4.3 求各影响因素的关联系数 | 第39-40页 |
| 3.4.4 计算关联度 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于GA-BP神经网络房地产税基批量评估模型的建立 | 第42-50页 |
| 4.1 BP神经网络与遗传算法的结合 | 第42-45页 |
| 4.1.1 BP神经网络的主要缺点及改进方法 | 第42-43页 |
| 4.1.2 GA优化BP神经网络初始值的步骤 | 第43-45页 |
| 4.2 基于神经网络模型的房地产税基批量评估流程设计 | 第45页 |
| 4.3 房地产税基批量评估模型的建立 | 第45-48页 |
| 4.3.1 构建居民住宅价格评估指标体系 | 第46-47页 |
| 4.3.2 BP神经网络模型参数设定 | 第47-48页 |
| 4.3.3 遗传算法的参数设置 | 第48页 |
| 4.3.4 网络的训练 | 第48页 |
| 4.3.5 检测模型的评估结果 | 第48页 |
| 4.4 基于神经网络的房地产估价特点 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 居民住宅税基批量评估仿真研究 | 第50-69页 |
| 5.1 研究区域选取和数据采集 | 第50-53页 |
| 5.1.1 研究区域选取 | 第50页 |
| 5.1.2 数据采集 | 第50页 |
| 5.1.3 数据量化 | 第50-53页 |
| 5.2 利用灰色关联理论筛选居民住宅税基评估的主要因素 | 第53页 |
| 5.3 模型的实现 | 第53-54页 |
| 5.4 传统BP神经网络居民住宅税基批量评估模型 | 第54-60页 |
| 5.4.1 传统BP神经网络的设计 | 第54-57页 |
| 5.4.2 模型训练和仿真结果 | 第57-60页 |
| 5.5 GA-BP神经网络的居民住宅税基批量评估模型 | 第60-65页 |
| 5.5.1 遗传算法优化BP神经网络的设计 | 第60-61页 |
| 5.5.2 模型训练和仿真结果 | 第61-65页 |
| 5.6 模型精度评价和比较分析 | 第65-68页 |
| 5.6.1 模型精度评价 | 第65-66页 |
| 5.6.2 比较分析 | 第66-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第六章 结论和展望 | 第69-71页 |
| 6.1 本文的主要结论 | 第69-70页 |
| 6.2 不足与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间的研究成果 | 第75-76页 |
