近年来,房地产行业蓬勃发展,不仅改善了居民的生活条件,还驱动了经济的高速增长、加速了城市化的进程。但与此同时,随着海内外投机、投资资本的不断注入,加上居民日益增长的刚性需求,导致了房价过快增长的局面,房地产行业的非理性增长为近年经济失衡、社会不稳和金融风险埋下了隐患,同时也威胁到房地产行业自身的可持续发展性。这时需要政府进行适当的管制以避免大规模市场失灵的发生。然而硬性的调控政策会使房地产泡沫急速破裂,从而导致经济衰退,甚至引发经济危机、破坏社会的稳定,相比之下,税收政策更符合市场经济秩序的建立要求。全面开征房产税要解决的核心问题就是构建一个切实可行、高效公平的房地产税基评估体系。批量评估已经成为财产税税基评估的首选,我国学者也逐步将国外批量评估的思想引入我国房产税税基评估领域。现阶段的房产税税基批量评估主要是以市场法、成本法、收益法三大评估基本方法原理作为批量评估的建模基础。房地产价格与其影响因素之间存在复杂、非线性的关系,因此本文采用具有很强非线性映射能力的BP神经网络作为房地产价格评估的技术方法,针对BP神经网络存在的收敛速度慢、容易陷入局部极小值等缺点,选用动量-自适应学习速率调整算法进行改进,对于网络冗余问题,选用粗糙集理论进行约简,构建粗糙集神经网络模型(RS-BPANN)。实证部分,本文以福州市五四北板块住宅市场为例,首先在详细分析房地产价格影响因素的基础上选取了 23个影响价格的变量,通过粗糙集理论删除冗余的条件属性,然后用BP神经网络对简化维度的数据进行学习建模,并用建立好的模型对房地产价格进行预测。仿真结果表明,RS-BPANN模型在预测房价上有很好的可靠性,且比普通的BP神经网络模型的性能更好、预测精度更高。最后对全文做出总结,分析了不足之处,提出了建议。