基于神经网络的高校青年教师周转公寓租金市场化定价研究
1 高校周转房房租市场化价格影响因素分析
1.1区位因素
区位因素是高校周转房房租市场化价格影响因素中较为宏观却具有重要地位的影响因素。区位能够反映房屋在城镇中所处的位置，反映房屋与商服、学校、医院等生产生活不可或缺的重要设施之间的空间关系。
1.2邻里因素
邻里因素反映了房屋所处的小区级范围内各类生产、生活要素的情况，相对于区位因素而言，邻里因素更加注重诸如容积率、物业管理、车位等更加微观、具体的因素。
1.3个别因素
个别因素是从出租房屋本身的面积、户型、楼层、装修、建筑年代、建筑结构、评估时点等情况考虑，反映房屋自身情况与租金之间关系的要素。
2 高校周转房房租市场化价格评估指标体系的建立
2.1指标的确定
遵循指标体系构建原则，结合高校周转房房租市场化定价的实际情况，确定指标体系，具体如表1所示。
3 基于神经网络的高校周转房租金市场化价格评估模型构建
3.1样本的选取与预处理
BP神经网络能够通过对一定数量网络输入输出样本数据学习、训练，确定网络输入输出的映射关系。为保证其准确性和高效性，需运用一定的方法对样本进行选取和预处理。基于神经网络的高校周?D房租金市场化价格评估模型的构建，应当选取正常市场条件下，与评估对象相似或相近的样本数据，并对数据不完整或某指标存在明显异常值的样本进行甄别和剔除，对指标数据进行无量纲化处理，以避免不同指标数据的实际单位对评估模型的收敛速度和准确性造成的影响。
3.2神经网络的建立与学习
3.2.1神经网络层数的确定
神经网络一般包括输入层、隐含层、输出层。神经网络的层数越多，神经网络的结构越复杂，其数据学习和处理能力就越强，但神经网络的学习时间也相应的越长。根据已有的相关研究，输入层、隐含层、输出层各为一层的三层神经网络能够对闭合区间内任意连续函数进行无限逼近，考虑到基于神经网络的高校青年教师周转公寓租金市场化定价模型并不复杂，确定其输入层、隐含层、输出层各为一层。
3.2.2神经网络节点数的确定
根据已构建的高校周转房房租市场化价格评估指标体系中三级评估指标的个数，确定神经网络输入层的节点个数为15个。基于神经网络的高校青年教师周转公寓租金市场化定价模型的最终结果为待估对象的房租价格，因此，确定神经网络的输出层节点个数为1个。隐含层节点个数的确定需要运用经验公式和试验调整确定。
3.2.3激活函数的确定
激活函数是网络输入转换为网络输出的关键，常用的激活函数有线性激活函数、对数S型激活函数、阶跃型激活函数等。高校青年教师周转公寓房租价格评估指标与房租价格之间并非线性关系或离散关系，对数型激活函数连续可微，计算简便，在神经网络建模中运用较为普遍，因此，本文选取对数S型函数作为激活函数。
3.2.4神经网络的学习
BP神经网络的结构和激活函数确定后，还需对初始权值、阈值以及学习函数进行设置和选择。根据高校青年教师周转公寓房租价格评估的实际需求，确定初始权值为区间范围的随机数值，确定学习函数为LM算法。在确定了神经网络的结构、激活函数、初始权值、学习函数，完成神经网络的建立后，便可运用样本数据对神经网络进行训练，选取部分样本数据对神经网络进行测试，在确保神经网络的准确度和速率的前提下，运用神经网络模型对待估对象的房租价格进行评估。
