房地产价格评估，是以房地产为对象，对其客观合理的价格或价值进行的估计和判断，是资产评估领域的一个分支。我国的房地产估价经过近二十年的发展，逐步形成了市场比较法、成本法、收益法、假设开发法等传统估价方法。其中市场比较法是最重要、最常用、比较成熟的一种估价方法。房地产市场比较法价格评估是根据经济学中的替代原理，将估价对象房地产与在较近时期内已经发生交易的同类房地产加以比较对照，从已经发生交易同类房地产的已知价格出发，修正得出估价对象房地产价格的一种估价方法。但传统的市场比较法只是对个别因素进行修正，且修正系数由专家凭经验确定，这使得房地产估价带有极强的主观性，难以保证评估结果的客观、科学、公正。 本论文针对目前我国房地产估价市场比较法存在的问题运用数学模型进行改进，对AHP市场比较法、模糊市场比较法、灰色市场比较法以及BP神经网络市场比较法进行阐述和比较，发现由于房地产价格与其影响因素之间的复杂、不确定和非线性关系的特性，将人工神经网络引入房地产评估进行改进，能减少由于评估人员主观因素造成的评估结果的偏差，获得较为理想的结果。 通过将数理统计中主成分分析与BP神经网络相结合，运用可视化应用软件MATLAB神经网络工具箱进行编程设计，建立基于主成分分析的BP神经网络市场比较法模型。然后，对广州市2006年新增楼盘的样本实证分析，本项研究发现，运用该模型进行房地产价格的预测具备较高的精度，可为房地产价格评估提供较为可靠的理论依据。 另外对影响房地产价格的影响因素的重要程度进行分析，运用灰色关联度理论对这些指标进行排序，并分别分析了指标对房地产价格的影响机理，为房地产产品开发定位和市场导向提供新思路。 将BP神经网络应用于房地产市场价格评估是较新的理论探索和研究，由于我国房地产市场发展的不健全和房地产价格影响因素的复杂性，该模型还需要后续的完善和深入，以期获得更高的现实应用价值。