伴随着房地产市场的快速发展，房地产评估日趋重要和活跃。房地产目前根据评估师的专业知识和经验进行评估，其评估结果往往受评估人员的主观随意性以及复杂多变的环境因素影响。它既是专业技术，也是一门复杂的艺术。因此，如何提高房地产评估的科学性、准确性和效率，已成为当前房地产评估行业亟需研究和解决的一个重要课题。本文以房地产批量评估系统为研究对象，采用BP神经网络，研究评估系统的设计原则、模型的设计方法，设计和开发智能批量评估系统，以提高评估系统的智能化、科学化、准确性和公信力。　　 本文系统研究了房地产评估的原理、方法和应用实践，结合二手房地产交易的特点，综合运用归纳、比较分析方法，选择市场比较法作为房地产批量评估系统的主要评估方法，并系统地提出了批量评估系统的设计原则及评估流程。通过对房地产评估的主要影响因素的分析，提出了适用于批量评估系统的评价指标，并对这些指标在系统中的运用进行细分和量化，对一些无法定量化的影响因素提出切实可行的替代解决方法。　　 本文主要分两个阶段来实现对于房地产智能批量评估系统的研究开发。第一阶段，通过对BP神经网络的理论分析，运用传统BP神经网络算法，进行评估模型的网络设计、传递函数、训练方法和算法的研究。通过对评估系统的柔性化设计，实现了可调的动态评估模型的构建，并运用C＃、C++、Ajax和.net等编程语言，实现了基于B/S构架的房地产评估系统的开发。第二阶段，通过对智能批量评估模型的学习和泛化机制的研究，提出了几种可能的模型优化方案，并利用已开发的房地产评估系统进行测试，最终得出了采用Levenberg-Marquardt算法进行优化，无论训练收敛速度、泛化能力还是误差都得到了显著的提高，完全可以满足实际评估的需求。　　 本文从理论和应用两个层面对房地产智能批量评估进行了深入研究。从评估系统设计、模型构建和优化入手，联系实际应用，检验了评估系统的可靠性。根据研究成果实现了房地产评估系统的开发，为提高房地产评估效率，实现科学、智能评估做出了有益的探索。