自1998年我国推行住房分配制度改革以来，房地产业逐渐成为国民经济的重要组成部分，而随着房地产市场体系的逐步完善，房地产估价业务应运而生。作为中介服务行业，房地产估价在房地产业的发展中扮演了重要角色，而目前我国的房地产估价理论尚处于探索阶段，探索方法急需多元化发展，因此，对新的估价方法的研究具有很强的理论和现实意义。　　 传统的估价方法都是从经济学角度去探讨房地产价格，在选取交易样例时一般都在一个较小的区域内选择少量案例，这在很大程度上是由房地产价格本身的区位性特点所决定的，但同时缺少在宏观的空间尺度上对房地产价格的考量。　　 人工神经网络的研究始于上世纪四十年代。由于具有较强的学习能力和非线性动态处理问题的能力，神经网络在函数逼近、预测等方面具有较强的功能，所以在许多领域都得到了广泛的应用。本文首先介绍了目前使用较多的三种估价方法--成本法、收益还原法和市场比较法，在说明了三种方法各自的理论依据、估价流程、适用范围等特点后，对三者进行了比较分析，在前人研究的基础上论证了人工神经网络用于房地产估价的可行性，最终选取了目前应用最为广泛的BP神经网络作为建立估价模型的工具，选取市场比较法作为建立模型的方法依据。　　 用于估价的BP神经网络模型是利用MATLAB自带的神经网络工具箱完成的，最终的BP网络由输入层、隐含层、输出层三层结构组成，以房地产价格的影响因素为输入，以房地产的价格为输出。在市场交易案例的选择方面，在整个北京市范围内选取了比较有代表性的住宅区域作为样本采集范围，以搜集到的二手房交易案例作为学习与测试样本，在对BP网络的算法进行优化后，得到了令人满意的结果。　　 论文研究的结果证明，使用BP神经网络可以快速准确地进行估价操作。作为房地产估价方法的拓展，神经网络的应用对丰富估价方法体系有现实意义。