مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
محل انتشار: مجله جغرافیا و مطالعات محیطی، دوره: 7، شماره: 25
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 222
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :