随着房地产市场的发展,出现了房屋拆迁价格评估、房地产资产核定以及房产课税等批量评估问题。由于传统的单宗评估方法存在评估效率低、成本高、易受主观因素影响等缺点,进而导致一定程度上税收流失、社会不公等现象的产生。本文在分析国外批量评估技术的基础上,重点研究计算机批量评估系统中的核心部分——批量评估模型,为国内房地产批量评估系统的建立提供理论支持。由于各国的房地产市场相差较大,我国批量评估模型的建设不能照搬国外的理论,应结合国内房地产市场实际情况,对国外成熟的批量评估技术进行本地化改进。我国房地产市场发展尚不成熟,影响因素较为复杂,不能确定特征变量与价格之间的关系,故本文提出BP神经网络模型,利用其自适应处理问题和非线性映射能力,找出房地产价格与其各变量之间的关系,用以对类似大批量的房地产进行批量评估。本文首先介绍了批量评估的概念与方法原理,得出BP神经网络实质为批量化的市场比较法。运用市场比较法有两个非常重要的关键点,一是影响因素的选取及量化；二是可比案例的选择。本文针对以上两点,对房地产价格影响因素进行了详细分析和定量化处理；并提出在评估区域的划分问题上应用聚类分析技术,解决了较难选择可比案例的问题。其次,介绍人工神经网络的基本思想及运行过程,对神经网络中的BP神经网络结构及算法进行论述,针对传统算法的不足之处,采用改进化的LM算法。通过论述BP神经网络理论在房地产估价中应用的可行性,建立了基于BP神经网络的房地产批量评估模型。最后,以划分后的某评估区域为研究对象,利用matlab软件中的神经网络工具箱建立以房地产价格的影响因素作为输入,房地产价格作为输出的BP网络模型,通过反复训练的方式确定了隐含层的神经元个数,结果显示,文中构建的BP神经网络模型在经过13次迭代后,达到预定的误差精度要求,网络训练成功。且网络收敛速度快、拟合效果较好,测试样本的预测误差百分比也大为优越。因此,该BP神经网络模型可用来评估该区域内大批量的房地产。