مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 222

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GESI-7-25_003

تاریخ نمایه سازی: 9 مرداد 1400

چکیده مقاله:

مسکن همواره نیازی اساسی در جامعه تلقی می گردد. بازار مسکن طی سال های گذشته یکی از پرنوسان-ترین بخش های اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخش های اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیش بینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیش بینی قیمت مسکن در شهر اهواز ارائه و نتایج آن با مدل رگرسیون چند متغیره مقایسه گردیده است. نوع تحقیق توسعه ای–کاربردی و روش انجام آن توصیفی- تحلیلی می باشد. به این منظور ۲۳۳ نمونه واحد آماری در سال ۱۳۹۲ بر اساس ۱۶ متغیر مربوطه مورد ارزیابی قرار گرفت. نتایج نشان داد که شبکه عصبی پرسپترون چند لایه با دقت ۹۱ درصدی نسبت به رگرسیون چند متغیره دارای دقت بیشتری در پیش بینی قیمت مسکن بوده است. همچنین جهت ارزیابی عملکرد مدل ها از ضرایب ، RMSE استفاده شد. ضریب تبیین ( ) با استفاده از رگرسیون چند متغیره ۷۸۹. و مقدار آن برای شبکه عصبی ۹۱۸. می باشد. نتایج ارزیابی مدل رگرسیون مبین عملکرد ضعیف تر این مدل در مقایسه با روش شبکه عصبی مصنوعی است.

نویسندگان

سعید امانپور

دانشیار گروه جغرافیا دانشگاه شهید چمران اهواز

اسماعیل سلیمانی راد

دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه تبریز

لیلا کشتکار

دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه یزد

صادق مختاری

دانشجوی دکتری جغرافیا و برنامه ریزی روستایی دانشگاه زنجان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بیاتی، هادی، نجفی، اکبر، عبدالمالکی، پرویز (۱۳۹۱): مقایسه بین شبکه ...
  • جلالی لیچایی، مجتبی، بید هندی، محمد نبی (۱۳۸۵): مقایسه روش ...
  • خلیلی عراقی، سید منصور، مهرآرا، محسن، عظیمی، سیدرضا (۱۳۹۱): بررسی ...
  • خلیلی عراقی، منصور، نوبهار، الهام (۱۳۹۰): پیش بینی قیمت مسکن ...
  • سرمدیان، فریدون، تقی زاده مهرجردی، روح اله، عسگری، حسین محمد، ...
  • سهرابی وفا، حسین، نوری، فاطمه، عبادی، مرتضی (۱۳۹۲): پیش بینی ...
  • صدرموسوی، میرستار، رحیمی، اکبر (۱۳۸۸): مقایسه نتایج شبکه های عصبی ...
  • طبیبی، کمیل، آذربایجانی، کریم، یباری، لیلی (۱۳۸۸): مقایسه مدل های ...
  • عباسعلی، ولی، رامشت،محمد حسین، سیف، عبداله، قضاوی، رضا (۱۳۸۹): مقایسه ...
  • عسکری، علی، قادری، جعفر (۱۳۸۱): مدل هدانیک تعیین قیمت مسکن ...
  • عسگری، حشمت اله، الماسی، اسحاق (۱۳۹۰): بررسی عوامل موثر بر ...
  • فرج زاده، منوچهر، دارند، محمد (۱۳۸۸): مقایسه روش های رگرسیون ...
  • فنی، زهره، دویران، اسماعیل (۱۳۸۷): پژوهشی در بازار زمین و ...
  • محمدزاده، پرویز، منصوری، مسعود، کوهی لیلان، بابک (۱۳۹۱): تخمین قیمت ...
  • نوری، روح اله، اشرفی، خسرو، اژدرپور، ابوالفضل (۱۳۸۷): مقایسه کاربرد ...
  • Balan, B., Mohaghegh, S., & Ameri, S. (۱۹۹۵). State-of-the-art in ...
  • Corani, G. (۲۰۰۵). Air quality prediction in Milan: feed-forward neural ...
  • Pasini, A., Lore, M., and Ameli, F (۲۰۰۵) Neural network ...
  • Peterson, S., & Flanagan, A. B. (۲۰۰۹). Neural network hedonic ...
  • Şahin, M., Kaya, Y., & Uyar, M. (۲۰۱۳). Comparison of ...
  • Sarkar, K., Tiwary, A., & Singh, T. N. (۲۰۱۰). Estimation ...
  • Vakil-Baghmisheh, M.T. ۲۰۰۲. Fari character recognition using artificial neural netwoks, ...
  • Werner D, Francisco J A, Artifitial intelligence in the life ...
  • نمایش کامل مراجع