2011年以来,我国不断推进房产交易税计价核准改革试点,许多相关部门先后研究核定税基过程中房价评估技术的应用,并且取得了一定的成效。但是,国内的房价评估研究一般都集中在线性回归的特征价格模型。线性的定价模型对于资产评估往往准确性极差,且难以对大规模数据进行高效处理。而国外的学者则提出了一系列结合模糊数学、灰色聚类或人工智能进行批量价格评估的非线性模型。国内对于此类模型的关注较少,而对人工神经网络等智能算法的研究则更为匮乏。人工神经网络模型是计算机人工智能技术的发展应用,该模型对人类神经元的学习反射方式进行模拟,具有对初始模型进行不断学习改进的能力,对于非线性的、不确定的变量关系具有高超的处理能力。神经网络模型最初被应用在决策分析和医疗诊断等方面,直到上世纪末才开始应用在经济金融领域,并不断发展成熟。该文总结了三大传统评估方法的优劣,并将其与特征价格模型相对比,指出特征价格模型将是未来房地产批量评估的理想模型。不过主流的特征价格模型都是线性建模模型,对于非线性关系拟合性较差,本文又提出了将神经网络模型与特征价格模型的相结合,对天津市区的住宅价格的批量定价模型进行了研究。在研究过程中分别建立了采用多元线性回归和采用BP神经网络模型的特征价格理论定价模型,并且通过平均绝对百分比误差和命中率等指标对两个模型进行综合评价。最后,发现人工神经网络模型相较线性模型,在定价准确性、便捷性上更具优势,是更适合大规模批量定价的计量方法。本项研究有助于房产市场的参与者和相关政府部门建立高效准确的房产批量定价模型。