随着经济建设的持续发展，房地产市场日益活跃，契税的税源不断增长，契税收入逐步增加。因此，进一步完善契税征管系统工作显得尤为重要。契税征管系统中的房屋价格是管理中的一个难题，本文从与房屋价格相关的各因素间的关系着眼，按照地理位置决定房屋价格的理论，定量分析影响房屋价格变动的因素，并进行科学的预测。论文将BP神经网络技术应用于契税征管系统，以进行对房屋价格的预测，在完成了样本数据的收集及转换的基础上，研究了BP算法的改进和广义神经网络，在对网络结构优化后进行了网络训练，在此基础上得到了房屋价格预测模型。 首先，在总结数据挖掘发展的基础上，对数据挖掘的概念、过程、方法进行了总结。论文以人工神经元网络为主要的研究工具和方法，着重总结了用于BP神经网络的算法的实现与改进，并在此基础上讨论了广义神经网络的算法和构建；其次，以契税征管系统为背景，通过剖析房屋价格的影响因素，用地理位置决定房屋价格的研究手段对房屋价格的预测进行分析； 然后，按照面向对象的理论，结合IT-Kid的PARSER分析和AUTO设计方法，建立了以BP神经网络为基础的数据挖掘系统； 最后，建构了BP神经网络的初始结构，经反复的训练后，根据训练集和测试集的交叉训练方法，建立了最终的房屋价格预测模型。通过模型检验，实际预测精度较高。 通过本文的研究表明，将数据挖掘应用于房屋价格的预测具有一定的实用性和可靠性。