近年来,各地房价都出现了不同程度的增长,众多购房者为飞速上涨的房价感到困扰,针对房价上涨的现象,政府提出“房住不炒”的原则。为了应对高房价问题,政府频繁地针对房地产市场实施调控,限购、调息、增加税收等政策层出不穷。其中二手房交易作为房地产市场的重要组成部分,是许多房产中介的经营重点,许多中介通过低买高卖等不良行为获取高额利润,哄抬价格,对于购买二手房的消费者而言,了解二手房价格显得尤为迫切,同时,二手房价格也是市场监管机构的关注重点,因此,对于二手房价格预测的研究极具现实意义。如今,房价飞速上涨的现象开始出现在三线城市,部分三线城市房价在短时间内房价成倍增长,居民对当地二手房价格缺少直观清晰的认识,而学者对于发达城市房价研究较多,关于三线城市二手房价格的预测研究却很少,本文选取镇江市二手房价格为研究对象,通过对镇江市二手房价格预测的实证研究探寻适合三线城市二手房价格预测的方法和模型。本文采用网络爬虫技术获取镇江市二手房交易相关数据,对历史数据进行数据预处理,将分类特征量化,对镇江市二手房价格影响因素进行简要分析。使用XGBoost算法模型以及BP神经网络模型两种单项模型作为预测方法,对镇江市二手房价格进行预测,通过对预测结果的对比,发现两种模型在镇江市二手房价格预测上各有优势,但局部数据预测出现较大误差。为了降低预测误差,提高预测精度,选择使用诱导有序加权平均算子（IOWA算子）将两种模型进行组合,并对镇江市二手房价格进行预测,通过对比组合模型和单一模型的预测结果,最终得出结论:组合模型的拥有更小的预测误差和更高的预测精度,可以用来精确预测镇江市二手房价格。