摘 要

伴随着我国经济的快速发展，城市化进程加速，城市土地价格开始呈现大幅度提升。同时，城市土地价格作为政府宏观调控的重要手段之一，对于保持经济平稳向好发展，维护国家长治久安具有重要作用，所以精准预测地价对于相关政策的制定具有相应的指导作用。传统预测地价有多种方法，但其效果有限，或者特定方法只适合于特定地区，难以满足现代的城市发展。

BP神经网络模型在预测分类方面展示出强大的能力，其具有高度的学习能力，可以很好的解决影响因素不明，权重设置较主观等问题。这也说明了BP神经网络在地价预测方面具有一定的可行性。

本文主要介绍了一些目前所用的地价预测算法，讨论其优势及劣势，并在此基础上利用BP人工神经网络对地价进行预测。为得到较好的拟合效果，本文对数据进行了主成分分析、聚类分析，通过上述方法，得到了较好的精度。

关键字：地价预测；主成分分析；聚类分析；BP神经网络

Abstract

With the rapid development of China's economy, the process of urbanization is accelerating, and the price of urban land begins to rise significantly.At the same time, urban land price, as one of the important means of the government's macro-control, plays an important role in maintaining the steady and sound development of the economy and maintaining the long-term peace and stability of the country. Therefore, accurate prediction of land price plays a corresponding guiding role in the formulation of relevant policies.There are many methods to predict the traditional land price, but their effect is limited.

The BP neural network model shows a strong ability in prediction classification, and it has a high learning ability. It can well solve problems such as unknown influencing factors and subjective weight setting.This also shows that BP neural network has certain feasibility in land price prediction.

This paper mainly introduces some current land price prediction algorithms, discusses their advantages and disadvantages, and then USES BP artificial neural network to predict land price.In order to get a better fitting effect, this paper conducts principal component analysis and cluster analysis on the data.

Key words：Land price prediction；PCA；cluster analysis；Back-Propagation neural network

目 录

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的及意义 2

1.3 国内外研究进展 3

1.4 研究内容方法及路线 5

1.4.1 研究内容 5

1.4.2 研究方法 5

1.4.3 技术路线 6

1.4.4 论文框架 6

第2章 指标体系的构建 7

2.1 地价影响因素初探 7

2.1.1 人口状况 7

2.2.2 交通通达度 7

2.2.3 商服繁华度 7

2.2.4 基础设施完善程度 8

2.2.5 自然环境条件 8

2.2 以文献分析法研究地价影响因素 8

2.3 地价影响因素指标体系的构建 9

第3章 地价预测算法介绍 11

3.1 回归分析数学模型 11

3.2 克里金插值模型预测法 11

3.3 灰色模型预测法 11

3.4 时间序列模型 12

3.5 支持向量机模型 12

3.6 神经网络模型 12

第4章 BP神经网络与主成分分析及聚类分析 14

4.1 BP神经网络基本原理 14

4.1.1 概述 14

4.1.2 反向传播算法 14

4.2 神经网络结构设计 16

4.2.1 神经网络结构层数的确定 16

4.2.2 各层节点个数的确定 16

4.2.3 激活函数的选择 16

4.2.4 学习速率的选取 17

4.3 主成分分析法 17

4.4 聚类分析 17

第5章 实例研究 18

5.1 研究区域概况 18

5.2 基于主成分分析模型的建立与求解 18

5.2.1 资料选择 18

5.2.2 利用SPSS分析过程 19

5.3 聚类分析 21

5.4 BP神经网络模型的实现 22

5.4.1 预测1过程 22

5.4.2 预测2过程 24

5.4.3 预测3过程 25

5.5 预测结果对比 26

第6章 结论与展望 29

6.1 结论 29

6.2 创新与不足 29

6.2.1 创新之处 29

6.2.2 不足之处 29

6.3 展望 30

参考文献 31

致 谢 32

第1章 绪论

1.1 研究背景

在我国，土地自古以来承载着诸多价值，人民靠其营生，成就了中国人朴素价值观。伴随城市化进程的迅速发展，大量的人口涌向城市，带动城市经济快速提升，据统计，在2018年中国GDP前十六座城市的GDP之和在全国GDP中占比31%。城市土地是城市生产、生活和社会活动的载体，是最宝贵的基础资源，又是城市经济体系的最重要的资产，因此，为了有效利用城市土地，促进经济发展，需要相应制度来保驾护航。
政府通过行政权力和相关的市场机制取得一定的土地，并对其所有的土地按照一定的规划方案来进行征收征用，拆除，已经用于其他公共设施的建设，将尚未开发利用或者未经政府干预的用地通过此种方式进行整合，从而使土地更加具有价值。而对于上述过程进行整合，对其运行的的过程进行信息化，构建成为一个具有资源分配、城乡管理、政府信息公开等功能的一个信息平台，是对于当下要求提高行政效率的一个有力的回应。
土地储备制度，通过整合土地、规划、建设、资金等资源，调控土地市场，提高土地利用效率，保障了城市建设用地空间，促进了产业转型升级，改善了城市民生，提高了政府对土地市场的宏观调控能力，支持了城市经济社会的可持续发展。
土地管理系统中最为重要的便是土地价格。而就目前的土地价格和历史土地价格以及未来土地价格相对比，毫无疑问是将来的土地价格更具有实际作用。因为未来的土地价格对于政府进行宏观调控有重要作用，也对政府的收入至关重要。所以通过对土地价格进行预测，及时制定相应的政策，有助于维护当地的经济发展，以及国家的长治久安。

1.2 研究目的及意义

通过本次宁波市土地储备全生命周期管理系统项目，有利于实现土地储备全链条业务信息化，促进政府工作转型，深入推进供给侧改革，使土地的供需更加明确清晰，为宏观调控提供明确性参考，使土地的管理更加清晰。

1. 理论意义

由于城市的地价影响因素较为复杂和模糊，各个影响因素的权重也很难判断，传统预测方法受专家主观决策的影响比较大，故应尽量选择一种不受人为因素的影响的算法。其次，由于地价影响因素复杂，所以为提高拟合效果，可以采用主成分分析对其进行降维处理。再次，利用聚类分析可以很好的对数据进行分类，使每一类的数据可以有符合自己的权重值。最后，利用Matlab构建神经网络以及使用SPSS进行聚类分析，主成分分析，通过指标数据，预测出未来的地价，为政府出让土地管理提供参考。

1. 现实意义

在目前的人工智能领域，神经网络展现出强大的生命力，可以称为机器学习的核心。作为一门重要的机器学习技术，其已经广泛应用于自动驾驶、机器翻译、语言识别、图像识别等重要领域。神经网络在预测方面的能力是惊人的，因为它可以以这样一种方式从历史数据中学习，其可以克服对于人为主观的影响，对于精准预测地价具有很好的帮助作用。

最后，总的来说，土地管理信息系统的建立将会大大提高政府的办事效率，精简人员结构，可以让群众少跑一段路，也可以增强政府部门间的协调组织能力。而土地价格的预测对于整个系统来说具有举足轻重的地位，其预测的精度直接反应着这套系统的应对现实的能力，所以，本文主要对土地出让价格预测算法进行研究。

1.3 国内外研究进展

由于各个国家土地制度相异，所以研究对于土地价格预测的研究以本土化学者居多，研究区域也仅限中国大陆各省市，所以本文重点介绍国内关于地价预测的研究发展状况。