مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
نویسندگان
چکیده مقاله:
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در شهر اهواز ارائه و نتایج آن با مدل رگرسیون چند متغیره مقایسه گردیده است. نوع تحقیق توسعهای–کاربردی و روش انجام آن توصیفی- تحلیلی میباشد. به این منظور 233 نمونه واحد آماری در سال 1392 بر اساس 16 متغیر مربوطه مورد ارزیابی قرار گرفت. نتایج نشان داد که شبکه عصبی پرسپترون چند لایه با دقت 91 درصدی نسبت به رگرسیون چند متغیره دارای دقت بیشتری در پیشبینی قیمت مسکن بوده است. همچنین جهت ارزیابی عملکرد مدلها از ضرایب ، RMSE استفاده شد. ضریب تبیین ( ) با استفاده از رگرسیون چند متغیره 789. و مقدار آن برای شبکه عصبی 918. میباشد. نتایج ارزیابی مدل رگرسیون مبین عملکرد ضعیفتر این مدل در مقایسه با روش شبکه عصبی مصنوعی است.
منابع مشابه
تخمین قیمت مسکن شهر اهواز با استفاده از شبکه عصبی
In the economy of every society, housing is a basic need that should be considered. Hence, development in the housing sector has its effect on other economy sectors. So one of the significant needs of governments in the housing field is the housing price forecasts and determine the factors affecting the price of this product. The present research aimed to estimate the cost of housing and the fa...
متن کاملمقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهه آب شور دریاچه نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدلسازی شد. نتایج حاص...
متن کاملمقایسه روشهای شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنهبندی خطر زمینلغزش، مطالعه موردی: حوضه ونک، استان اصفهان
زمینلغزشها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر میاندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه میشوند. با توجه به اهمیت تشخیص مناسبترین روش برآورد صحیح خطر زمینلغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از عکسهای هوایی، تصاویر ماهوارهای، نقشههای زمینشناسی و بررسیهای میدانی نقش...
متن کاملمقایسه روشهای نروفازی، شبکه عصبی و رگرسیون چند متغیره در پیشبینی برخی خصوصیات خاک (مطالعه موردی: استان گلستان)
با توجه به مشکلات اندازهگیری مستقیم برخی از ویژگیهای خاک، در سالهای اخیر از روشهای غیر مستقیم برای برآورد این خصوصیات استفاده میشود. بدین منظور، در این پژوهش140 نمونه جمع آوری شده از منطقه گرگان مورد آزمایش قرار گرفته و فراوانی نسبی ذرات، کربن آلی، درصد رطوبت اشباع و آهک به عنوان ویژگیهای زودیافت و نقطه پژمردگی، ظرفیت زراعی، ظرفیت تبادل کاتیونی و وزن مخصوص ظاهری به عنوان ویژگیهای دیریافت...
متن کاملپیشبینی قیمت مسکن برای شهر اهواز: مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی
Determination and the estimation of the house price in urban areas has a great importance for governments, individual and state investors and common people. The mentioned estimation can be used in future planning and decision making of many urban and regional policies. In this regard, due to the vital importance of the house price in recent decades powerful and effective functions have been use...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 25
صفحات 33- 42
تاریخ انتشار 2018-04-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023