基于神經網絡的高校青年教師周轉公寓租金市場化定價研究

【摘要】本文分析了當前高校青年教師周轉用房在管理上存在的問題，針對高校青年教師周轉公寓租金市場化定價，提出了構建基于神經網絡的高校周轉房租金市場化價格評估模型，以期為合理確定周轉房房租價格提供一定的借鑒。

【關鍵詞】神經網絡；周轉公寓；租金市場化定價

1 高校周轉房房租市場化價格影響因素分析

1.1區位因素

區位因素是高校周轉房房租市場化價格影響因素中較為宏觀卻具有重要地位的影響因素。區位能夠反映房屋在城鎮中所處的位置，反映房屋與商服、學校、醫院等生產生活不可或缺的重要設施之間的空間關系。

1.2鄰里因素

鄰里因素反映了房屋所處的小區級范圍內各類生產、生活要素的情況，相對于區位因素而言，鄰里因素更加注重諸如容積率、物業管理、車位等更加微觀、具體的因素。

1.3個別因素

個別因素是從出租房屋本身的面積、戶型、樓層、裝修、建筑年代、建筑結構、評估時點等情況考慮，反映房屋自身情況與租金之間關系的要素。

2 高校周轉房房租市場化價格評估指標體系的建立

2.1指標的確定

遵循指標體系構建原則，結合高校周轉房房租市場化定價的實際情況，確定指標體系，具體如表1所示。

3 基于神經網絡的高校周轉房租金市場化價格評估模型構建

3.1樣本的選取與預處理

BP神經網絡能夠通過對一定數量網絡輸入輸出樣本數據學習、訓練，確定網絡輸入輸出的映射關系。為保證其準確性和高效性，需運用一定的方法對樣本進行選取和預處理。基于神經網絡的高校周轉房租金市場化價格評估模型的構建，應當選取正常市場條件下，與評估對象相似或相近的樣本數據，并對數據不完整或某指標存在明顯異常值的樣本進行甄別和剔除，對指標數據進行無量綱化處理，以避免不同指標數據的實際單位對評估模型的收斂速度和準確性造成的影響。

3.2神經網絡的建立與學習

3.2.1神經網絡層數的確定

神經網絡一般包括輸入層、隱含層、輸出層。神經網絡的層數越多，神經網絡的結構越復雜，其數據學習和處理能力就越強，但神經網絡的學習時間也相應的越長。根據已有的相關研究，輸入層、隱含層、輸出層各為一層的三層神經網絡能夠對閉合區間內任意連續函數進行無限逼近，考慮到基于神經網絡的高校青年教師周轉公寓租金市場化定價模型并不復雜，確定其輸入層、隱含層、輸出層各為一層。

3.2.2神經網絡節點數的確定

根據已構建的高校周轉房房租市場化價格評估指標體系中三級評估指標的個數，確定神經網絡輸入層的節點個數為15個。基于神經網絡的高校青年教師周轉公寓租金市場化定價模型的最終結果為待估對象的房租價格，因此，確定神經網絡的輸出層節點個數為1個。隱含層節點個數的確定需要運用經驗公式和試驗調整確定。

3.2.3激活函數的確定

激活函數是網絡輸入轉換為網絡輸出的關鍵，常用的激活函數有線性激活函數、對數S型激活函數、階躍型激活函數等。高校青年教師周轉公寓房租價格評估指標與房租價格之間并非線性關系或離散關系，對數型激活函數連續可微，計算簡便，在神經網絡建模中運用較為普遍，因此，本文選取對數S型函數作為激活函數。

3.2.4神經網絡的學習

BP神經網絡的結構和激活函數確定后，還需對初始權值、閾值以及學習函數進行設置和選擇。根據高校青年教師周轉公寓房租價格評估的實際需求，確定初始權值為區間范圍的隨機數值，確定學習函數為LM算法。在確定了神經網絡的結構、激活函數、初始權值、學習函數，完成神經網絡的建立后，便可運用樣本數據對神經網絡進行訓練，選取部分樣本數據對神經網絡進行測試，在確保神經網絡的準確度和速率的前提下，運用神經網絡模型對待估對象的房租價格進行評估。

參考文獻：

[1]王玲，傅和平，陳惠蘭.高校教師公寓管理模式探索[J].高校后勤研究，2011（5）：66-69

[2]吳保根.淺論高校教師周轉房實行市場化管理[J].高校后勤研究，2006（3）：79-81

作者簡介：

李萌（1990-），男，漢族，碩士，華北電力大學（保定）財務與資產管理處。