房地产各影响因素之间、影响因素与价格间存在着较为复杂的关系,传统评估方法中难以用数学公式将其一一表示,也难以将全部影响因素定量表示,因此在实际评估中,评估结果往往依赖于评估师的专业素养与经验积累。传统评估方法的结果受到较多评估师主观因素的影响,比如:成本法与收益法都具有诸多限制,且在还原率、未来收益等关键指标上需要评估人员的专业判断,也具有较大的主观性;市场比较法中,选择可比交易案例、求取修正系数时存在较大的主观性。此外,传统的房地产评估方法过程较为繁琐,难以满足快速估值以及大批量地产评估的要求。因此,有必要将更科学、有效地定价模型运用到房地产评估中,在提高评估效率的同时,保证评估结果的合理性、客观性。针对传统评估方法面临的问题,本文结合房地产估价理论、单宗及批量住宅地产评估方法,采用遗传算法优化的支持向量回归（GA-SVR）构建评估模型。支持向量机在小样本数据学习中表现优越,利用其构建房地产评估模型,仅需少量的训练样本,便能建立住宅地产价值与住宅地产影响因素的回归模型,反映其价格与影响因素间的线性与非线性关系。因而,本文利用支持向量回归模型,以待估地产所在区域的少量二手房交易案例为基础,建立以房地产各影响因素为自变量,房地产价格为因变量的回归模型。本文针对支持向量回归模型对参数敏感、参数选取困难的问题,利用遗传算法对其进行改进,对GA-SVR模型的可行性、构建思路进行了分析。本文将GA-SVR模型运用于实际案例的评估中,并将其对测试样本的评估结果与网格搜索寻优的支持向量回归模型、多元线性回归模型、市场比较法的评估结果进行对比分析,以验证GASVR评估方法的适用性和可行性。