基准地价作为政府宏观调控土地需求的主要手段之一,它的评定对于规范城镇房地产市场,维护国家的正当收益,制定城镇发展政策具有重大现实意义。随着经济的快速发展,城市化进程的推进,土地的交易日益频繁,土地价格也在不断的上升,要保证基准地价的适时性,就必须不断地对基准地价进行更新评估。由于地价影响因素众多,每个影响因素权重的确定以及基准地价评价模型的选择具有很大的主观性、经验性与不确定性,传统的地价评估方法往往费时费力、智能化以及功能化程度低。因此,另辟蹊径,研究新的评估模型对解决现阶段基准地价更新工作中的问题具有一定借鉴与参考价值。BP神经网络作为人工神经网络的核心部分,由于独特的学习能力和信息并行分布处理的优势,非常适合解决主观性强、智能化低、多影响因素不精确和信息模糊性的问题。这就决定了BP神经网络应用于基准地价更新的可行性与合理性。本文以河南省商丘市2013年基准地价为例,由于影响商丘市基准地价的因素众多,若直接用神经网络对基准地价进行预测,一方面,会带来网络规模的剧增,运算时间的增加,网络的收敛性和泛化能力的降低;另一方面,由于预测因素之间的相关性,导致输入信息重叠,也使得模型的准确率降低。因此,首先,借助SPSS19.0软件,进行主成分分析,对20个因素进行降维处理,得到6个综合因素;其次,运用L-M改进BP神经网络算法,通过Matlab2007软件建立模型;最后,将主成分分析法和BP神经网络有机地结合起来,构建了主成分分析的BP神经网组合预测模型。为了验证本文提出的基于神经网络和主成分分析的组合预测模型的有效性,建立以下两个模型:(1)对样本不做任何处理,直接用L-M改进BP网络训练和测试。(2)在BP网络训练前,运用主成分分析法提取地价的主要影响因素,并将结果作为BP网络的输入建立网络模型。通过两个模型的训练时间步数和预测精度的比较,结果表明:(1)LM算法改进的BP神经网络在学习中有明显的优势,不仅训练时间短、训练次数少并且误差精度也较高。所以这个算法改进的BP神经网络具有一定优势和意义的。(2)主成分分析和BP神经网络的组合模型训练结果的平均相对误差为0.46%,而单独BP神经网络训练结果的平均相对误差为0.81%。因此,基于主成分分析和BP神经网络的组合模型,结构相对简单、输入变量少,运行时间短,且训练的效率明显高于一般网络,预测精度也有很大的提高。(3)将建立的组合模型应用于商服基准地价评估,与实际地价结果基本一致,平均误差仅为1.66%。(4)通过评估实例说明,基于主成分分析的BP神经网络的基准地价评估方法是一种计算相对简单、实用性较强、精确程度较高的基准地价评估方法。